Multivariate Statistik in der Okologie: Eine Einfuhrung GERMAN

Springer-Lehrbuch Ilona Leyer Karsten Wesche Multivariate Statistik in der Ökologie Eine Einführung 123 Dr. Ilona...

Author: Ilona Leyer | Karsten Wesche

272 downloads 1438 Views 3MB Size Report

This content was uploaded by our users and we assume good faith they have the permission to share this book. If you own the copyright to this book and it is wrongfully on our website, we offer a simple DMCA procedure to remove your content from our site. Start by pressing the button below!
Report copyright / DMCA form

DOWNLOAD PDF

Springer-Lehrbuch

Ilona Leyer Karsten Wesche

Multivariate Statistik in der Ökologie Eine Einführung

123

Dr. Ilona Leyer Universität Marburg FB Biologie – Naturschutzbiologie Karl-von-Frisch-Straße 8 35032 Marburg [email protected]

PD Dr. Karsten Wesche Universität Halle-Wittenberg Institut für Biologie/Geobotanik und Botanischer Garten Am Kirchtor 1 06108 Halle [email protected]

Korrigierter Nachdruck 2008

ISBN 978-3-540-37705-4

e-ISBN 978-3-540-37706-1

DOI 10.1007/b137219 Springer Lehrbuch ISSN 0937-7433 Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Bibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar. © 2007 Springer-Verlag Berlin Heidelberg Dieses Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere die der Übersetzung, des Nachdrucks, des Vortrags, der Entnahme von Abbildungen und Tabellen, der Funksendung, der Mikroverfilmung oder der Vervielfältigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen, bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Eine Vervielfältigung dieses Werkes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen der gesetzlichen Bestimmungen des Urheberrechtsgesetzes der Bundesrepublik Deutschland vom 9. September 1965 in der jeweils geltenden Fassung zulässig. Sie ist grundsätzlich vergütungspflichtig. Zuwiderhandlungen unterliegen den Strafbestimmungen des Urheberrechtsgesetzes. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Produkthaftung: Für Angaben über Dosierungsanweisungen und Applikationsformen kann vom Verlag keine Gewähr übernommen werden. Derartige Angaben müssen vom jeweiligen Anwender im Einzelfall anhand anderer Literaturstellen auf ihre Richtigkeit überprüft werden. Herstellung: LE-TEX Jelonek, Schmidt & Vöckler GbR, Leipzig Einbandgestaltung: WMXDesign, Heidelberg Umschlagabbildung: Elbauen, Ilona Leyer, ursprünglich erschienen auf dem Cover des Journal of Applied Ecology, volume 42(2), mit freundlicher Genehmigung von Blackwell Publishing, Oxford Gedruckt auf säurefreiem Papier 987654321 springer.com

Vorwort

Multivariate Verfahren sind seit der Mitte des 20. Jahrhunderts verstärkt entwickelt worden, für (fast) jedes Problem hat sich eine Methode gefunden, und die Vielfalt an möglichen Ansätzen ist schwer überschaubar. So spielt die multivariate Statistik in der Ökologie sowohl bei wissenschaftlichen Forschungsarbeiten als auch in der angewandten Naturschutzpraxis eine immer größere Rolle, und entsprechend verbreitet sind multivariate Methoden in wissenschaftlichen Artikeln. Daher sind ohne Grundkenntnisse weite Teile der neueren ökologischen Literatur kaum mehr zu verstehen. Glücklicherweise muss man nicht alle denkbaren Verfahren kennen. Im Laufe der Zeit haben sich in den unterschiedlichen Fachgebieten bestimmte Verfahren besonders bewährt, einige der in der Ökologie wichtigsten Verfahren sind sogar von Ökologen entwickelt worden. Das hat den großen Vorteil, dass wir uns auf das Lernen einiger Methoden beschränken können. Der große Nachteil ist, dass die wenigen verfügbaren deutschen Lehrbücher oft genau die in der Ökologie wichtigen Verfahren nicht oder nur am Rande behandeln. Deutschsprachige Kurse werden ebenfalls recht selten angeboten, so dass man sich in der Regel selbst die Statistik aus englischen Büchern beibringen muss, was dann doch recht viele Herausforderungen auf einmal mit sich bringt. Und auch dort, wo solche Kurse im Lehrangebot auftauchen, fehlt zumeist entsprechendes Begleitmaterial. Hier soll dieses Lehrbuch etwas Abhilfe schaffen. Es geht aus unseren eigenen Kursskripten hervor, die durch die Diskussion mit Studierenden Schritt für Schritt weiterentwickelt wurden. Wichtig war uns, die einzelnen multivariaten Methoden anschaulich mit ihren Stärken und Schwächen zu beschreiben und deutlich zu machen, welche Verfahren für welche Art von Daten geeignet sind und wie die Ergebnisse interpretiert werden sollten. Dabei wurde verbalen Beschreibungen oft der Vorzug vor Formeln gegeben, und häufig haben wir vereinfacht, denn es geht uns hier nur um eine Einführung, im Umfang etwa einem Kurs von 2-4 Semesterwochenstunden angemessen. Bei spezielleren Problemen lässt sich darauf aufbauend dann die weiterführende, meist englische Literatur erschließen; dort finden sich auch Details zu Teilaspekten, die wir eher kursorisch beschrieben haben. Viele verschiedene Personen haben uns bei der Arbeit an diesem Buch unterstützt. Das gilt zu allererst für die Studierenden in unseren Kursen

VI

Vorwort

über multivariate Statistik. Durch ihre überraschenden (und oft von uns nicht direkt beantwortbaren) Fragen haben wir manche Aspekte erst verstanden. Großer Dank gebührt aber auch allen denjenigen, die das ganze Manuskript oder einzelne Teile gelesen, kommentiert und korrigiert haben: Thomas Becker (Marburg), Roland Brandl (Marburg), Helge Bruelheide (Halle), Martin Diekmann (Bremen), Jörg Ewald (Freising), Isabell Hensen (Halle), Ingolf Kühn (Halle), Gabriel Schachtel (Gießen), Sebastian Schmidtlein (Bonn), Henrik von Wehrden (Halle), Denny Walther (Halle), Erik Welk (Halle), Birgit Ziegenhagen (Marburg). Hinzu kommen die Kollegen, die indirekt am Zustandekommen dieses Lehrbuchs Anteil haben, indem sie uns für die Datenanalyse in der Ökologie begeistert haben. Ilona Leyer möchte dafür Michael W. Palmer (Oklahoma State University, USA), danken, in dessen Arbeitsgruppe sie viel über multivariate Statistik gelernt hat. Karsten Wesche dankt Peter Poschlod (jetzt Regensburg), der ihm 1995 das Buch von Kent u. Coker (1992) in die Hand gedrückt und ihn so überhaupt erst auf die Thematik gebracht hat. Selbstverständlich liegen alle verbleibenden Fehler in unserer Verantwortung und wir würden uns über korrigierende Hinweise freuen. Dem Springer-Verlag und besonders Frau Stefanie Wolf danken wir für die gute Zusammenarbeit und für die Hilfe bei Problemen während der Drucklegung. Dennoch wären die Vorlagen nie fertig geworden, wenn nicht Heike Zimmermann bereit gewesen wäre, tagelang und manchmal auch bis spät in die Nacht an den unzähligen kleinen und auch großen Problemen zu arbeiten. Schließlich möchten wir herzlich unseren Familien danken, die uns jahrelang bei dem „Projekt Lehrbuch“ unterstützt haben. Marburg und Halle, August 2006

Ilona Leyer Karsten Wesche

Inhalt

1 Einleitung................................................................................................. 1 1.1 Alltägliche Probleme ........................................................................ 1 1.2 Uni- und multivariate Daten ............................................................. 2 1.3 Wege ins Statistiklabyrinth............................................................... 3 2 Statistische Grundlagen ......................................................................... 7 2.1 Einführung in die Terminologie ....................................................... 7 2.2 Datentypen – Skalenniveaus............................................................. 8 2.3 Korrelation...................................................................................... 10 2.4 Regression ...................................................................................... 13 2.5 Lineare Regression ......................................................................... 14 2.6 Multiple lineare Regression............................................................ 20 2.7 Unimodale Modelle – die Gauß’sche Regression........................... 24 2.8 Logistische und Gauß’sche logistische Regression ........................ 26 2.9 Interaktionen................................................................................... 29 2.10 Gewichtetes Mittel........................................................................ 32 2.11 Partielle Analysen......................................................................... 34 3 Datenmanipulationen ........................................................................... 37 3.1 Normalverteilung und Transformationen ....................................... 37 3.2 Standardisierungen ......................................................................... 41 3.3 Transponieren, Umkodieren und Maskieren .................................. 43 4 Ähnlichkeits- und Distanzmaße........................................................... 47 4.1 Qualitative Ähnlichkeitsmaße ........................................................ 47 4.2 Quantitative Ähnlichkeitsmaße ...................................................... 49 4.3 Distanzmaße ................................................................................... 51 4.4 Vergleich der geschilderten Koeffizienten ..................................... 53 5 Ordinationen – das Prinzip.................................................................. 57 5.1 Dimensionsreduktion als Analysestrategie..................................... 57 5.2 Polare Ordination............................................................................ 61

VIII

Inhalt

6 Korrespondenzanalyse (CA)................................................................ 65 6.1 Das Prinzip ..................................................................................... 65 6.2 Mathematische Artefakte – Probleme der CA................................ 75 6.3 DCA (Detrended Correspondence Analysis) ................................. 76 6.4 Zusammenfassendes zu Problemen der CA und DCA ................... 79 7 Interpretation von CA und DCA......................................................... 83 7.1 Zur Skalierung und Interpretation der Ordinationsdiagramme....... 83 7.2 Umweltvariablen – Interaktionen von Effekten.............................. 86 7.3 Ordination und Umweltdaten ......................................................... 87 8 Kanonische Ordination (constrained ordination) ............................... 91 8.1 Prinzip der Kanonischen Korrespondenzanalyse (CCA)................ 91 8.2 Interpretation eines CCA-Diagramms ............................................ 96 8.3 Forward selection bei kanonischen Ordinationen .......................... 99 8.4 Überprüfung einer CCA ............................................................... 100 9 Hauptkomponentenanalyse (PCA).................................................... 105 9.1 Das Prinzip – geometrische Herleitung ........................................ 105 9.2 Das Prinzip – der mathematische Ansatz ..................................... 112 9.3 Optionen bei einer PCA................................................................ 115 9.4 Stärken und Schwächen der PCA ................................................. 119 9.5 Faktorenanalyse ............................................................................ 123 10 Lineare Methoden und Umweltdaten: PCA und RDA ................. 125 10.1 Indirekte Ordination ................................................................... 125 10.2 Kanonische Ordination - Prinzip der Redundanzanalyse ........... 125 10.3 Interpretation einer RDA ............................................................ 126 11 Partielle Ordination und variance partitioning............................... 129 11.1 Kovariablen ................................................................................ 129 11.2 Partielle PCA, CA, DCA ............................................................ 130 11.3 Partielle kanonische Ordination.................................................. 131 11.4 Variance partitioning ................................................................. 132 12 Multidimensionale Skalierung......................................................... 137 12.1 Der andere Weg zum Ziel........................................................... 137 12.2 Metrische Multidimensionale Skalierung – Hauptkoordinatenanalyse...................................... 138 12.3 Nichtmetrische Multidimensionale Skalierung .......................... 142 12.3.1 Das Prinzip .......................................................................... 142 12.3.2 NMDS – Optionen und Probleme ....................................... 145

Inhalt

IX

12.3.3 Ablauf einer NMDS............................................................. 151 13 Klassifikation – das Prinzip ............................................................. 153 13.1 Das Wesen von Klassifikationen ................................................ 153 13.2 Die wichtigsten Klassifikationsstrategien................................... 156 14 Agglomerative Klassifikationsverfahren ........................................ 159 14.1 Clusteranalyse – Grundlagen...................................................... 159 14.2 Auswertung von Dendrogrammen.............................................. 167 15 Divisive Klassifikationsverfahren.................................................... 171 15.1 Ordination Space Partitioning ................................................... 171 15.2 TWINSPAN................................................................................ 171 15.3 Ablauf einer TWINSPAN-Analyse ............................................ 177 15.4 Kritik an der TWINSPAN-Analyse............................................ 181 16 Sonstige Verfahren zur Beschreibung von Gruppenstrukturen .. 183 16.1 Nichthierarchische agglomerative Verfahren ............................. 183 16.2 Nichthierarchische divisive Verfahren ....................................... 184 16.3 Numerische „treue“-basierte Verfahren...................................... 186 16.4 Diskriminanzanalyse................................................................... 188 16.4.1 Das Prinzip .......................................................................... 188 16.4.2 Voraussetzungen.................................................................. 193 16.4.3 Gütekriterien/Prüfung der Ergebnisse ................................. 194 17 Permutationsbasierte Tests .............................................................. 195 17.1 Das Prinzip von Permutationstests ............................................. 195 17.2 Test auf Signifikanz von Ordinationsachsen .............................. 198 17.3 Mantel-Test................................................................................. 199 17.4 Gruppenvergleiche – Mantel-Tests und MRPP .......................... 202 17.5 Procrustes-Analysen ................................................................... 204 17.6 Indicator Species Analysis.......................................................... 207 17.7 Ausblick Randomisierungsverfahren.......................................... 210 Literatur ................................................................................................. 211 Sachverzeichnis ...................................................................................... 217

1 Einleitung

1.1 Alltägliche Probleme Ein ganz „normaler“ Tag in der Biologie einer deutschen Universität, überall Probleme. In der Abteilung Geobotanik z. B. wertet ein Team Vegetationsaufnahmen von Wäldern aus und versucht, die vorkommenden Waldgesellschaften floristisch zu charakterisieren. Es sind einige hundert einzelne Aufnahmen aus Osteuropa; aufgrund seiner Größe ist der Datensatz sehr unübersichtlich, und es wäre schön, zuerst automatisch eine grobe Vorsortierung durchzuführen; die Frage ist nur wie. Dieselben Aufnahmen dienen auch als Testflächen für eine satellitenbasierte Vegetationskarte, die in Zusammenarbeit mit der Geografie erstellt werden soll. Die Fernerkundler dort benutzen multispektrale Satellitendaten, es liegen also für jedes Pixel mehrere Werte für verschiedene Wellenlängenbereiche vor. Leider braucht eine vollständige Klassifikation 11 Stunden Rechnerzeit, so dass Methoden gesucht werden, um den Datensatz zu vereinfachen. Zusätzlich gibt es für die einzelnen Aufnahmen auch verschiedene topografische, klimatologische, und bodenkundliche Daten. Diese sollen verwendet werden, um die ökologischen Ansprüche der verschiedenen Waldtypen zu beschreiben; dabei sollen Artenhäufigkeiten, spektrale Signaturen aus der Fernerkundung und Messwerte aus der Laborarbeit berücksichtigt werden. Diese unübersichtliche Datenflut soll insgesamt und möglichst gleichzeitig verrechnet werden. Ein Stockwerk höher arbeitet eine Tierökologin an den Auswirkungen verschieden intensiver Landwirtschaftsformen auf die epigäische Fauna. Sie hat Barberfallen aufgestellt und die Laufkäfer bestimmt. Es sind über 8000 einzelne Individuen, und die Ökologin soll jetzt untersuchen, ob sich die Käfergemeinschaften verschiedener Nutzungstypen unterscheiden; außerdem soll sie auch noch die Saisonalität der Fallenfänge berücksichtigen. Ihr Kollege im Nachbarzimmer untersucht am Beispiel des GoldLaufkäfers, ob die schon lange mit Schafen beweideten Triften in der gleichen Region als Korridor für den Individuenaustausch dienen können. Er benutzt dafür genetische Marker und versucht, die genetische Ähnlichkeit zwischen Teilpopulationen mit der räumlichen Distanz zu korrelieren.

2

1 Einleitung

Seine Nachbarin aus der Tierphysiologie ist ähnlich verzweifelt; sie hat 300 Heuschreckenrufe aufgezeichnet. Für jeden Ruf hat sie zu 8 verschiedenen Zeitpunkten die Frequenz gemessen, und jetzt soll sie auf Grundlage von 8 mal 300 Datenpunkten gleich 2 400 Einzeldaten herausfinden, ob es Gruppen von Individuen in Abhängigkeit von ihrer Herkunft gibt. Eine ökologisch-genetisch arbeitende Gruppe macht sich derweil mit anderen Arbeitsgruppen aus der Mykologie und Entomologie daran, neue Wege auf dem Gebiet der community genetics zu beschreiten. Hier geht es in interdisziplinären Ansätzen darum, die Bedeutung von komplexen genetischen Interaktionen zwischen höheren Pflanzen und assoziierten Organismen in noch komplexeren Umwelten zu verstehen. Unklar ist allerdings noch, wie die umfangreichen und zum Teil sehr unterschiedlichen Daten gemeinsam verarbeitet werden können. Die Beispiele zeigen die große Bandbreite von Fragestellungen in der Ökologie. Allen Problemen ist gemeinsam, dass eine statistische Auswertung gewünscht oder unumgänglich ist, aber die klassischen Methoden der univariaten Statistik sich nicht anwenden lassen. Die vorgestellten Probleme sind nicht uni- sondern „multivariat“.

1.2 Uni- und multivariate Daten Univariat bedeutet hier, dass für jede Stichprobeneinheit (Objekt) nur eine abhängige Variable zur Verfügung steht. Ein Beispiel für ein univariates Problem wäre, eine Eigenschaft einer Art (z. B. deren Abundanz, Gewicht, Länge etc.) zu einer Umweltvariablen, sagen wir zum pH-Wert des Bodens, in Beziehung zu setzen. Die Eigenschaft der Art ist dabei die abhängige Variable, die Umweltvariable die beeinflussende unabhängige oder erklärende Variable. In einer weiteren Studie untersuchen wir nun das Verhalten der Art nicht nur im Hinblick auf den pH-Wert, sondern beziehen auch noch die Leitfähigkeit mit ein. Beides sind Fälle für die Regressionsanalyse und gehören damit zur univariaten Statistik. Ein weiteres, noch einfacheres Beispiel ist das Gewicht von erwachsenen Rennmäusen aus 2 verschiedenen Populationen. Die typische Frage ist dann, ob sich die Populationen signifikant unterscheiden; ein Test für Mittelwertvergleiche ist hier die Methode der Wahl. Wurden zusätzlich auch noch die Körperlängen gemessen, können diese in einem separaten Schritt ebenfalls durch Mittelwertvergleiche untersucht werden. Ein dritter Schritt könnte dann ein Test darauf sein, ob Körperlänge und Gewicht zusammenhängen (eine ziemlich triviale Frage): Dafür bieten sich simple Korrelationen an.

1.3 Wege ins Statistiklabyrinth

3

Die eingangs genannten Beispiele sind aber anders, wie das Problem der osteuropäischen Wälder zeigt. Zu jedem Objekt, d. h. zu jeder Vegetationsaufnahme, gibt es viele abhängige Variablen, denn die Vegetationskundler haben Daten über die Häufigkeit aller vorkommenden Gefäßpflanzenarten erhoben; hinzu kommen noch die abiotischen Informationen. Das Problem ist multivariat. So etwas lässt sich mit univariater Statistik nicht mehr problemlos fassen. Multivariate Daten enthalten in der Regel viele Zufälligkeiten (statistisches Rauschen). So sind z. B. nicht in jeder Vegetationsaufnahme auf stickstoffreichem Boden Brennnesseln enthalten, aber die eine oder eben auch andere Art aus einer Gruppe stickstoffliebender Pflanzen wird immer vorkommen. Es ist also nicht das Vorkommen einer einzelnen Art von Interesse, vielmehr ist das Vorkommen von Artengruppen wichtig. Darüber hinaus ist am Anfang meist nicht bekannt, welche abiotische Komponente (wenn die richtige überhaupt gemessen wurde) das Vegetationsmuster erklärt. Meist stehen dabei nicht einzelne Variablen, sondern eine Kombination aus verschiedenen Variablen in Beziehung zum Vegetationsmuster. Solche Zusammenhänge in multivariaten Daten kann die univariate Statistik (etwa durch alle möglichen wechselseitigen Korrelationen zwischen den Arten) schlecht fassen. Ein wichtiger Grund hierfür ist, dass es problematisch und aufwändig wäre, viele wechselseitige Tests durchzuführen, da solche Tests Wahrscheinlichkeiten prüfen. Das übliche Signifikanzniveau von p < 0.05 bedeutet, dass ein Zusammenhang mit 95%iger Sicherheit nicht zufällig ist. Anders ausgedrückt, wir akzeptieren, dass in 5 % der Fälle z. B. eine Korrelation als signifikant erkannt wird, obwohl sie reiner Zufall ist. Würden wir in unserem Waldbeispiel jede Art mit jeder anderen korrelieren, kämen wir leicht auf einige 100 Kombinationen, genau genommen auf (n²-n)/2, wenn n die Zahl der Arten ist. Bei dem üblichen Signifikanzniveau von p = 0.05 würden wir also im Mittel 0.05 * (n²-n)/2 signifikante Korrelationen erwarten. Biologisch gesehen sind diese aber vermutlich bedeutungslos, sie sind ein statistisches Artefakt als Folge der vielen Berechnungen (statistical fishing). Hier braucht es andere, eben multivariate Rechenverfahren.

1.3 Wege ins Statistiklabyrinth Wir setzen hier gewisse statistische Grundkenntnisse voraus. Für diese gibt es kurze und verständliche Lehrbücher (z. B. Engel 1997; Köhler et al. 2002). Auch zur Datenerhebung gibt es inzwischen entsprechende Einführungen (z. B. Tremp 2005). Trotzdem werden wir im 2. und 3. Kapitel ei-

4

1 Einleitung

niges kurz wiederholen. Die folgenden Kapitel sind dann jeweils einem multivariaten Verfahren gewidmet, dabei werden zuerst Ordinations-, dann Klassifikationsmethoden besprochen. Eine Einführung in Testverfahren zur Prüfung multivariater Beziehungen bildet den Abschluss des Buches. Es werden die Grundlagen der jeweiligen Methoden erläutert, um so einen Eindruck ihrer Stärken und Schwächen zu geben. Dabei benutzen wir in der Regel den gleichen Datensatz, der im Rahmen einer Untersuchung zu den Auswirkungen hydrologischer Veränderungen auf das Grünland der Elbaue erhoben wurde. Der ursprüngliche Datensatz bestand aus 206 Vegetationsaufnahmen, für die sowohl floristische Daten als auch Messwerte von Umweltvariablen vorhanden sind (s. Leyer 2002). Meist verwenden wir der Übersicht halber nur einen Teildatensatz aus 33 Vegetationsaufnahmen (Tabelle 1.1-1.3). Wir behandeln die Ordinations- und Klassifikationsmethoden, die in der Ökologie weite Verbreitung gefunden haben. Soweit sich in neuerer Zeit sonstige wichtige Verfahren durchzusetzen beginnen, haben wir diese kurz erwähnt. In unserem Text werden häufig englische Begriffe benutzt, da die weiterführende Literatur größtenteils in Englisch vorliegt; so wird das Nachschlagen und das Selbststudium erleichtert. Die hier vorgestellten Methoden sind ausnahmslos rechenaufwändig, so dass die Nutzung geeigneter Software unumgänglich ist. Wir haben für die hier vorgestellten Analysen weitgehend die unter Ökologen verbreitete Standardsoftware benutzt. So wurden die meisten Ordinationen mit CANOCO (Version 4.5, ter Braak u. Smilauer 2002) gerechnet. Für einige weniger verbreitete Ordinationsverfahren, Permutationsverfahren und Clusteranalysen haben wir PC-ORD (Version 4.25, McCune u. Mefford 1999) verwendet, Dendrogramme wurden zum Teil auch mit MVSP (Version 3.12f, Kovach 1995) erstellt. Für die univariate Statistik haben wir ebenfalls Standardsoftware benutzt wie SPSS (Version 12.0, SPSSInc. 2003) und das sehr flexible Paket R (R Development Core Team 2004). Zu letzterem gibt es auch spezielle Erweiterungen für multivariate Fragestellungen (VEGAN, Oksanen et al. 2006), mit denen sich praktisch jede in diesem Buch besprochene Methode berechnen lässt.

1.3 Wege ins Statistiklabyrinth

5

Tabelle 1.1. Art-Aufnahme-Matrix des Elbauendatensatzes, 33 Vegetationsaufnahmen mit 53 Arten (Namen abgekürzt, Sammelarten durch „A“ am Ende gekennzeichnet). Als Maß für die Abundanz sind Deckungsgradstufen nach der 13stufigen Londo-Skala angegeben (Londo 1976; Details: Tabelle 3.1) 1 2 3 4 5 6 7 8 9 1 0 1 1 .1 1 2 .4 1 .2 .1 .1 4 2 1 3 1 9 1 .1 .1 4 4 .1 .2 3 2 .1 .2 .2 .1

1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 .1 3 .1 5 .1 .1 1 1 6 .4 .4 2 2 2 .1 .2 .4 .2 .4 2 2 .1 .1 1 .2 1 2 .4 .2 2 .1 .1 .1 .1 .1 1 .1 2 3 .1 .4 .1 .1 .2 .1 .1 .2 1 2 5 .1 4 .2 1 .4 .1 .2 .2 .2 .2 .1 .1 .2 .1 .2 .1 1 .1 1 .1 4 .2 .1 .1 .1 .1 .4 .1 .1 .1 1 .4 .1

Achimill Agrocani Agrocapi Agrorepe Agrostol Alopgeni Alopprat Anthodor Caltpalu Cardprat Caredist Caregrac Careprae Carevesi Carevulp Cirsarve Cirslanc Cniddubi Desccesp 5 .1 2 Eleounig .1 .2 .1 .1 Eropvern .1 .1 Euphesul .1 Festprat .2 .1 Galipalu .1 .2 .1 .1 .1 .4 .2 .4 .1 GaliverA .1 .1 .4 1 Glycflui .1 .2 Glycmaxi .1 .2 Holclana 1 .2 1 .1 .2 3 Junceffu .1 .1 .1 .1 1 Lathprat .1 .1 .1 Lotucorn .1 .1 .1 .1 Lychflos .1 .2 .1 .1 Phalarun 2 .1 .2 .2 .1 8 5 .2 .1 .1 .2 .1 Planinte .4 .4 .1 .1 Poa palu .1 .1 .1 8 1 .1 .1 .1 3 .2 Poa praA .4 .2 .1 2 3 .1 .4 .1 .1 1 Poa triv .1 .2 .1 .1 1 .2 Poteanse .1 .2 .1 .1 .2 Poterept .1 .1 Ranuflam .1 .1 .4 .1 .1 Ranurepe 1 .1 .1 .1 .2 1 .1 1 .1 .4 .4 2 1 1 Roriamph 1 4 RorisylA .1 .2 .1 .1 .1 Rumeacet .1 1 1 1 Rumethyr .1 2 .2 .4 2 .4 Siumlati .1 .2 .1 .4 Stelpalu .2 .1 .1 .1 .1 .1 .1 .2 .1 Sympoffi TaraoffA .1 .1 .1 .1 .1 .1 .1 .1 Trifrepe .2 .4 1 1 .1 Vicicrac .1 .1 6 1 Vicilath .1 Vicitetr .1 .1 .2

2 2 3 3 3 3 8 9 0 1 2 3 .4 2 .4 6 2 5 3 .4 .2 1 .1 .1 .4 .1 .1 .2 .4 .1

1 .1 .1 .1

.1 .1

.1 .4 .1 .1 .2

.1 1

4 .1 .2 .4

.1

.1

.1

.1 1 .2 .1 8 7 .1 .1 .1

.1 .1 3 1 .1 .2 .2 .4

.1 .1 3 .4 .2 .4 .1

.1 1 .2

.1 .4 6 6 .1 .1 .4 1

.2 3

.1 1

.2 .2 .1 .1 .4 .1 .1 .1

.1 .1

.1 .2

.1 .1 .1 .2 .1 .1

6

1 Einleitung

REZENT ALT RAND INTENS MWS STAB ÜFD ÜF>50 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

1 1 0 0 1 1 0 0 1 1 1 1 0 0 1 1 0 0 1 0 0 0 1 1 1 0 1 1 1 0 1 1 0

0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0

0 0 1 1 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0 1 1 0 0 0 0 0 0 0 1 0 0 1

2 1 2 2 2 2 2 2 2 2 2 1 2 2 2 2 1 1 3 2 2 2 2 2 3 2 2 1 2 2 1 1 1

-273 -238 -148 -27 -145 -138 -45 -29 -98 -18 -109 -25 -44 -73 -108 -195 -32 -29 -75 -68 -46 -40 -35 -8 -103 -28 -255 -112 -165 -112 5 -1 -4

78.5 78.5 22.0 22.0 78.5 78.5 28.8 28.8 74.3 74.3 77.1 68.3 46.4 46.4 60.5 77.1 30.7 40.0 60.8 39.7 36.3 18.1 50.9 50.9 68.3 35.3 47.5 47.5 47.5 22.0 70.4 47.5 36.3

0.30 0.65 0.00 1.75 1.23 1.26 0.00 1.91 1.60 2.13 1.48 1.98 1.89 0.00 0.98 1.15 1.89 1.63 1.68 0.00 1.22 1.26 1.82 1.98 1.46 2.16 0.00 1.08 0.70 0.00 2.31 2.07 2.27

0.00 0.00 0.00 0.00 1.00 1.06 0.00 0.00 1.10 1.87 1.28 1.75 0.00 0.00 0.00 0.90 0.00 1.34 1.24 0.00 0.00 0.00 1.34 1.68 1.06 0.00 0.00 0.74 0.18 0.00 2.06 1.81 0.00

Tabelle 1.2. Umweltdaten zu den 33 Vegetationsaufnahmen. Erläuterung der Kürzel: s. Tabelle 1.3

Tabelle 1.3. Kürzel und Erklärungen zu den Umweltdaten aus Tabelle 1.2. Die Skalenniveaus sind in Tabelle 2.1 erläutert Kürzel REZENT ALT RAND INTENS MWS STAB ÜFD ÜF>50

Name rezente Aue

Beschreibung Bei Hochwasser überfluteter Bereich mit großen Wasserstandsschwankungen Altaue Durch Deiche von der rezenten Aue getrennter Auenbereich Auenrand Grenze der Aue zu anderen Naturräumen, häufig vermoort Intensität der Landnutzung Drei Klassen ĺ 1: sporadische Nutzung, 2: jährliche Nutzung (geringe Intensität), 3: jährliche Nutzung (hohe Intensität) Mittlerer Grundwasserstand [cm] Über zwei Jahre aus Tageswerten gemittelter Wasserstand Standardabweichung der Wasser- Maß für die Größe der über zwei Jahre gang-Zeitreihe [cm] gemittelten Wasserstandsschwankungen Überflutungsdauer Logarithmus der über zwei Jahre gemittelLog[Tage/Jahr] ten Überflutungsdauer Dauer von Wasserständen höher Logarithmus der über zwei Jahre gemittel50 cm über Flur Log[Tage/Jahr] ten Werte

Skala nominal nominal nominal ordinal ratio ratio ratio ratio

2 Statistische Grundlagen

2.1 Einführung in die Terminologie Statistik befasst sich mit der Aufarbeitung und Darstellung größerer Datensätze. Diese bestehen aus Objekten, z. B. Vegetationsaufnahmen oder Fängen aus einer Falle. In der univariaten Statistik bezeichnet der englische Begriff sample einen ganzen Datensatz, bestehend aus mehreren Objekten oder Stichprobeneinheiten (sample units). In der multivariaten Statistik ist mit dem Begriff sample dagegen meist ein einzelnes Objekt bzw. eine einzelne Stichprobeneinheit gemeint. Dieser Terminologie schließen wir uns im Folgenden an, d. h. ein Objekt ist eine Stichprobeneinheit, also z. B. eine Vegetationsaufnahme oder ein Fallentag, was dann dem Englischen sample entspräche. Eine Stichprobe ist demgegenüber ein ganzer Datensatz. Zu jedem Objekt gibt es Werte für eine oder mehrere Variablen. In unserem Zusammenhang sind die Variablen meist Arten, die Werte sind dann Abundanzen oder entsprechende Proxies, wie z. B. Artmächtigkeiten. Ein typischer Datensatz in der Ökologie ist die Art-Aufnahme-Matrix (species by sample matrix, Tabelle 1.1), also eine Tabelle, die aus Objekten (Aufnahmen, Fallenfängen, etc.) besteht, und in der für jedes Objekt Werte mehrerer Variablen (also meist Arten) stehen. Oft werden aber auch Umweltvariablen in die Analyse einbezogen, diese werden dann auch als sekundäre Variablen bezeichnet. Sie werden für die Verwendung in multivariaten Analysen meist in einer zweiten Datenmatrix abgelegt (Tabelle 1.2). Statistische Auswertungen sind eigentlich erst dann möglich, wenn es Wiederholungen oder Replikate gibt. Deren Anzahl ist das berüchtigte n. Replikate sind nötig, denn biologische Phänomene sind individuell in dem Sinne, dass auch bei gleichen Rahmenbedingungen in der Regel Unterschiede zwischen den Objekten auftreten. Viele davon sind zufällig und (zumindest am Anfang der Auswertung) nur störendes Rauschen. Letzteres ist aber gerade bei multivariaten Daten oft ausgeprägt, und oft sind viele Replikate nötig, um aus dem Rauschen die für die Fragestellung wichtigen Unterschiede oder Zusammenhänge herauszufiltern. In Publikationen

8


werden daher meist keine Einzelwerte, sondern Mittelwerte angegeben, die eine ganze Gruppe von Objekten beschreiben. Neben dem Mittelwert sind auch die Standardabweichung und die Varianz wichtige Kenngrößen. Sie beschreiben, wie stark die einzelnen Werte um den Mittelwert streuen. Innerhalb der Statistik gibt es verschiedene Klassen von Verfahren. Ein Hauptzweig sucht nach Unterschieden zwischen bestehenden Gruppen, also z. B. zwischen den Artenzahlen in intensiv und extensiv beweideten Grünländern. Die Gruppen ergeben sich in der Regel aus dem Design des Experiments oder der Studie. Die zentrale Frage ist dabei, ob sich die Gruppen im Mittel unterscheiden, ob also Mittelwert und/oder Varianz deutlich unterschiedlich sind. Typische Verfahren für solche Mittelwertvergleiche sind t-Tests und Varianzanalysen (analysis of variance, ANOVA). Gerade in stärker deskriptiv oder explorativ ausgerichteten Studien sind die Gruppen aber eben nicht von vornherein klar, sondern sollen erst gefunden werden. Ein typisches Beispiel sind Pflanzengesellschaften in der Vegetationskunde, die ja nicht einem starren Schema aus Lehrbüchern folgen, sondern sich aus den verfügbaren Vegetationsaufnahmen ergeben. Hier geht es um die Klassifikation von Daten, also um das Auffinden von Gruppen. Bei einem weiteren Analyseprinzip geht es nicht um die Frage nach Unterschieden zwischen Gruppen, sondern um Art und Stärke des Zusammenhangs zwischen 2 Variablen. Dies sind Datensätze für einfache Korrelations- oder Regressionsanalysen; zu jedem Objekt liegen also 2 Werte vor. Ein Beispiel wäre die schon erwähnte Frage nach einer Korrelation von Größe und Gewicht bei Rennmäusen, ein anderes die Zunahme von pflanzlicher Biomasse mit steigender Wasserverfügbarkeit. Solche Gradienten sind von großer Bedeutung in der Ökologie, und darum sind Korrelationen und Regressionen auch in der multivariaten Statistik sehr wichtig. Sie sind grundlegend für eine ganze Familie von Verfahren, die Gradientenanalysen oder auch Ordinationen genannt werden.

2.2 Datentypen – Skalenniveaus Daten können grundsätzlich unterschiedliche Qualität haben, womit hier nicht auf die Gründlichkeit der Bearbeiter angespielt werden soll; vielmehr geht es um prinzipielle Unterschiede (Tabelle 2.1). Schlichte Messwerte, z. B. Gewichtsmessungen, lassen alle Rechenoperationen zu. Eine 90.6 g schwere Rennmaus ist nicht nur schwerer als eine 30.2 g schwere Maus,

2.2 Datentypen – Skalenniveaus

9

sie ist genau 3mal so schwer. Anders formuliert, der Abstand zwischen 30.2 und 60.4 g ist genauso groß wie der Abstand zwischen 60.4 und 90.6 g, die Daten sind intervallskaliert. Da sie auch noch einen definitiven Nullpunkt haben, sind sie streng genommen sogar ratio(rational)skaliert. Für intervall- und ratioskalierte Variablen wird auch der Begriff quantitative Variablen verwendet. Das klassische Gegenbeispiel sind Schulnoten. Ein Schüler mit einer 2 in Englisch sollte zwar besser sein als ein Schüler mit der Note 4, er ist aber nicht automatisch doppelt so gut. Immerhin haben die Noten noch eine klare Reihenfolge, sie sind ordinalskaliert. Ein Beispiel für ordinalskalierte Daten in der Ökologie sind die Ellenberg-Zeigerwerte der Standortsansprüche von Pflanzen (Ellenberg et al. 1992), die zwar eine klare Reihenfolge haben, bei denen aber die Feuchtezahl 6 eben nicht doppelt soviel Wasserbedarf bedeutet wie die Feuchtezahl 3. Hier ist die Mittelwertbildung also problematisch, auch wenn in der Praxis die Mittelwerte dennoch meist gut interpretierbar sind (Diekmann 2003). Den dritten Haupttyp schließlich bilden Gruppenvariablen. Menschen lassen sich mehr oder weniger problemlos nach dem Merkmal Haarfarbe einteilen, die Gruppen oder Kategorien können wir mit Zahlen benennen. So könnten wir dunkelhaarige Menschen willkürlich der Gruppe 1 zuordnen, blonde der Gruppe 2, rothaarige der Gruppe 3. Es wäre aber falsch, wenn wir nun annähmen, dass die Gruppe 2 besser wäre als die Gruppe 1, und sie ist schon gar nicht doppelt so gut. Die Zahlen weisen in diesem Beispiel eben nicht auf eine mögliche Reihenfolge hin; sie sind nur Namen einer nominalskalierten Gruppenvariable. Das Gleiche gilt auch für eine binäre Gruppenvariable, wie z. B. das Geschlecht. Auch hier wäre es falsch anzunehmen, dass „männlich = 1“ halb so viel wie „weiblich = 2“ sei. Wir müssen also bei Variablen darauf achten, welche Skalierung, d. h. welches Skalenniveau sie haben. Tabelle 2.1. Skalenniveaus von Daten Skalierung

Eigenschaften

Beispiele

Nominal

Binär, nur zwei Niveaus oder mehrere Ausprägungen

Ordinal

Reihenfolge/Ränge vorhanden Abstände zwischen Werten definiert Intervall, mit definiertem Nullpunkt

Geschlecht, Vorhandensein einer Art Haarfarbe, Geologischer Untergrund Schulnoten, EllenbergZeigerwerte Temperatur-Messwerte [°C]

Intervall Ratio

Gewichte, Längen

10


2.3 Korrelation Mit Hilfe von Korrelationsanalysen können wir Aussagen zur Stärke eines Zusammenhanges von 2 Variablen X1 und X2 machen. Es bleibt jedoch im Gegensatz zur Regressionsanalyse offen, ob X1 von X2, X2 von X1 abhängt oder ob eine wechselseitige Abhängigkeit zwischen X1 und X2 vorliegt. Wie lässt sich nun etwas über die Stärke des Zusammenhanges zwischen 2 Variablen aussagen? Hilfreich ist auf jeden Fall eine grafische Darstellung. Die Abb. 2.1a und b zeigen bivariable Verteilungen in einem Koordinatensystem mit 2 Achsen. Lässt sich durch diese Punktwolke eine Kurve legen und liegen die meisten Punkte nahe dieser Kurve, so haben wir es mit einem engen Zusammenhang, also einer starken Korrelation zu tun. Umgekehrt bedeutet eine schwache Korrelation, dass die meisten Punkte sehr weit oberhalb und unterhalb der Kurve liegen. Dies lässt sich aber auch genauer durch eine Maßzahl ausdrücken. Wir wollen das anhand des Spezialfalls der linearen Korrelation erläutern, d. h. die zu ermittelnde „Kurve“ durch die Punktwolke soll eine Gerade sein. Ein Maß für die Stärke des Zusammenhanges der beiden Variablen ist der Maßkorrelationskoeffizient r nach Pearson: n

r = ¦ ( xi − x )( yi − y ) / i =1

n

n

i =1

i =1

¦ ( xi − x ) 2 ¦ ( y i − y ) 2

(2.1)

Dabei sind xi und yi die Werte der Variablen X und Y für das Objekt i, und n bezeichnet die Anzahl der Objekte. Wie allgemein üblich sind x, y die arithmetischen Mittel, gebildet über alle n Objekte. Der Korrelationskoeffizient r nimmt immer Werte zwischen -1 (perfekt negativ korreliert) und 1 (perfekt positiv korreliert) an; Korrelationskoeffizienten zwischen 0.7 und 1 (bzw. -0.7 und -1) zeigen tendenziell eine starke und zwischen 0.3 und 0.7 (-0.3 und -0.7) eine schwache Korrelation an. Korrelationskoeffizienten um 0 deuten an, dass 2 Variablen nicht miteinander korreliert sind (Bsp.: s. Abb. 2.3 a). Oft wird statt des Korrelationskoeffizienten r das Bestimmtheitsmaß r² angegeben. Dieser Wert beschreibt die Stärke des Zusammenhangs in Prozent. Bei r = 0.7 und r² = 0.49 z. B. hängen 49 % der Unterschiede in der einen Variable direkt mit Unterschieden in der anderen Variablen zusammen. Die Berechnung von r setzt voraus, dass wir quantitative Daten und einen annähernd linearen Zusammenhang zwischen beiden zu betrachtenden Variablen vorfinden. Das ist natürlich nicht immer der Fall, wie z. B. Abb. 2.2 a und 2.3 b zeigen. Die nichtlineare Korrelation aus Abb. 2.2 a kann allerdings durch Logarithmierung in eine lineare überführt werden (Abb. 2.2 b, Details s. Kap. 3).

2.3 Korrelation

11

Abb. 2.1 a, b. Bivariable Verteilung von 2 Variablen. Die beiden Punktwolken lassen einen linearen Zusammenhang vermuten, wobei bei a ein stärkerer Zusammenhang (r = 0.9) als bei b anzunehmen ist (r = 0.7)

Abb. 2.2 a, b. Zusammenhang zwischen mittlerem Grundwasserstand (MWS) und Überflutungsdauer (ÜFD). a zeigt einen nicht-linearen Zusammenhang, der durch Logarithmierung in einen linearen überführt werden kann (b)

Abb. 2.3. a zeigt, dass Variable 1 und 2 in keinem Zusammenhang stehen, die Korrelation ist nahe Null. b zeigt eine nichtlineare Korrelation

12


Tabelle 2.2. Beziehung von Körngröße und Humusgehalt sowie die entsprechende Zuordnung von Rangplätzen für 11 Objekte. Die letzte Zeile stellt die Differenz der Ränge von Korngröße und Humusgehalt an den einzelnen Standorten dar Objekt-Nr.

1

5

6

7

Korngröße Humusgehalt Korngröße (Rang) Humusgehalt (Rang) Differenz

4 1 2 4 2 3 5.5 1.5 3

2

1 3 3 4 1.5 4

6 1 7

4 7 5 3 5.5 8

7

4

7

1

2.5 3

-6

2

3

4

1.5 0.5 1

4

10

8

4

4.5 -4

9

10 11

8 9 5 5 9.5 11

Ȉ

8 4 9.5

66

10 10

7

66

0.5 -1

-2.5

Häufig ist es angebracht, den Rangkorrelationskoeffizienten R nach Spearman zu benutzen; dieser kann auch für ordinalskalierte Daten verwendet werden. Hier muss der Zusammenhang zwischen 2 Variablen nicht linear sein, es reicht Monotonie (Abb. 2.2 a, aber nicht 2.3 b). Eine Funktion, bei der die aufeinander folgenden Werte nur größer werden oder mindestens konstant bleiben, ist monoton steigend, im gegenteiligen Fall ist sie monoton fallend. Der Rangkorrelationskoeffizient beruht auf der Vergabe von Rangplätzen. Zur Erläuterung betrachten wir hier einen Datensatz mit n = 11 Objekten, bestehend aus 2 Umweltvariablen (Korngröße X1 und Humusgehalt X2), die ordinalskaliert sind (Tabelle 2.2). Wir ermitteln zunächst die Rangplätze der Werte für jede Variable getrennt. Hierbei müssen wir auf so genannte Bindungen achten, also Fälle, bei denen 2 Objekte die gleichen Werte haben. Standort 2 und 4 haben beide den niedrigsten Wert 1 für die Korngröße, was Rang 1 und 2 entspricht. Ihr Mittelwert ist 0.5 · (Rang 1+2) = 1.5. Korngröße 2 am Standort 3 bekommt den nächst höheren Rang 3, Korngröße 3 am Standort 5 den Rang 4 zugeordnet. Korngröße 4 ist 2mal vorhanden und belegt die Ränge 5 und 6, d. h. der Wert ist 0.5 · (5+6) = 5.5. So wird jedem Wert der Korngröße und des Humusgehaltes ein Rang zugeordnet. Die Summe der Ränge muss für jede Variable 0.5 · n · (n+1) sein (hier: 0.5 ·11·12 = 66). Die Formel für den Rangkorrelationskoeffizienten R berechnet sich nach: n

R =1−

6¦ Di2 i =1 2

n( n − 1)

(2.2)

2.4 Regression

13

Dabei stellt D die Differenz der Ränge für Korngröße und Humusgehalt dar. Für unseren Datensatz ist R = 0.55, ein Wert, den wir ähnlich wie den entsprechenden Maßkorrelationskoeffizienten interpretieren können. Das Gleiche gilt für den nahe verwandten, ebenfalls nichtparametrischen Kendalls Ĳ („tau“) Korrelationskoeffizienten, der gelegentlich auch verwendet wird, weil er weniger empfindlich gegen Bindungen ist (s. Sokal u. Rohlf 1995).

2.4 Regression Regressionsanalysen spielen in der multivariaten Statistik speziell bei verschiedenen Ordinationsverfahren eine große Rolle. Aber auch darüber hinaus erfreuen sie sich in der Ökologie großer Beliebtheit, z. B. wenn das Verhalten von Arten in Beziehung zu (Umwelt-)Faktoren untersucht werden soll. Daher wollen wir die entsprechenden Verfahren im Folgenden etwas ausführlicher darstellen. Mit Hilfe von Regressionsmodellen können wir die Abhängigkeit einer Variablen von einer oder mehreren erklärenden Variablen beschreiben. Je nachdem, ob abhängige und erklärende Variablen ratio- (inkl. intervall-) oder nominalskaliert sind, kommen dabei unterschiedliche statistische Methoden zur Anwendung, die als Regressionsanalysemethoden i. w. S. aufgefasst werden können (Tabelle 2.3). Ordinalskalierte Daten sind ein Sonderfall. Ter Braak u. Looman (1995) empfehlen, sie entweder als nominalskalierte Variablen (bei einer geringen Zahl an Klassen) oder bei einer größeren Klassenanzahl als ratioskalierte Daten zu behandeln. Letzteres ist in der Ökologie durchaus üblich, obwohl dies mathematisch nicht ganz korrekt ist, da die Abstände zwischen den einzelnen Ordinalklassen ja nicht definiert sind. Tabelle 2.3. Methoden der Regressionsanalyse (i. w. S.) in Abhängigkeit vom Skalenniveau der Variablen Abhängige Variable ratio ratio nominal nominal ratio nominal

erklärende Variable(n) ratio ratio+nominal ratio ratio+nominal nominal nominal

Methode Regressionsanalyse i. e. S Kovarianzanalyse logistische Regressionsanalyse logistische Kovarianzanalyse Varianzanalyse Kontingenztafel

14


Als Grundlage für verschiedene Ordinationstechniken ist v. a. die Regressionsanalyse i. e. S. wichtig, die hier genauer vorgestellt werden soll. Wir werden auch kurz das Verfahren der logistischen Regression erläutern und die Kovarianzanalyse streifen. Für detaillierte Erklärungen zu Varianzanalysen und Kontingenztafeln möchten wir z. B. auf Köhler et al. (2002), Jongman et al. (1995), Underwood (1997) und Crawley (2002; 2005) verweisen.

2.5 Lineare Regression Bei einer Untersuchung wollen wir den Effekt der Bodenfeuchte X auf die Abundanz Y einer Art näher untersuchen (n = 20, Tabelle 2.4). Die abhängige Variable (Abundanz Y) ist quantitativ, die erklärende Variable (die Bodenfeuchte X) ordinalskaliert (8 Feuchteklassen). Für die Regressionsanalyse werden hier beide als ratioskalierte Variablen aufgefasst. Tabelle 2.4. Rohdaten zur Berechnung der Abhängigkeit der Abundanz von der Bodenfeuchte, der Nutzungsintensität und dem Humusgehalt Objekt-Nr. Abundanz der Art Feuchte Nutzungsintensität Humusgehalt

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 3 8 4 1 1 2 3 6 5 5 6 7 3 8 9 9 10 8 6 9 1 8 2 2 1 3 3 6 4 4 5 5 1 6 7 6 6 4 7 7 5 1 6 2 8 3 4 4 5 5 5 5 6 6 6 7 7 8 2 3 2 38 6 3 5 5 4 20 15 21 14 15 1 18 30 31 25 7 32 37

Die Punktwolke in Abb. 2.4 gibt bereits einen ersten Eindruck von der Beziehung der abhängigen zu der unabhängigen/erklärenden Variablen. Es ist die Tendenz zu erkennen, dass die Abundanz mit steigender Feuchte zunimmt. Gehen wir nun davon aus, dass es sich hier um einen linearen Zusammenhang handelt. Der Verlauf einer Geraden, die am besten das Muster unserer Punktwolke beschreibt, lässt sich durch die Geradengleichung beschreiben: y = a + bx

(2.3)

Dabei ist a der Achsenabschnitt (intercept), also der Schnittpunkt der Geraden mit der Y-Achse, d. h. der Wert für y, wenn x = 0 ist. Dagegen ist b die Steigung (slope), auch Regressionskoeffizient genannt. Kennen wir diese beiden Werte, können wir für jeden gegebenen Wert von x einen ǔWert berechnen.

2.5 Lineare Regression

15

Abb. 2.4. Punktwolke des Abundanz-FeuchteDatensatzes (nur 1 Symbol für identische Punkte) mit Regressionsgeraden der Gleichung y = 0.9251 + 1.0738x. Dargestellt sind die Abweichungen des beobachteten yWertes vom berechneten ŷ-Wert

Dies kann z. B. für Prognosen interessant sein: Wie ändert sich die Häufigkeit einer Art, wenn der Wasserstand steigt? Das Ziel ist es daher zum einen, die Werte von a und b zu berechnen; zum anderen muss die Güte des Regressionmodells überprüft werden. So kann mit Hilfe eines t-Tests geklärt werden, ob sich a und b signifikant von 0 unterscheiden und wie viel der Varianz in Y durch das gegebene Modell (also die Geradengleichung) erklärt wird. Zur Berechnung von a und b wird i. d. R. die Methode der kleinsten Quadrate verwendet (least squares). Bei dieser Methode wird diejenige Ausgleichsgerade ermittelt, die am besten den Verlauf der Punktwolke in Abb. 2.4 erklärt. Das ist die Gerade, bei der die Summe der Abweichungsquadrate minimal wird. Abb. 2.4 verdeutlicht, was gemeint ist: Die Ausgleichsgerade geht durch die Punktwolke, jedem x-Wert wird damit ein berechneter ŷ-Wert zugeordnet. Die Abweichung eines beobachteten yWertes vom zugehörigen berechneten ŷ-Wert (beide haben den gleichen xWert) heißt Residuum. Diese Residuen werden quadriert und aufsummiert. Die Summe dieser Abweichungsquadrate, auch Fehlerquadrate genannt, nennen wir hier ESS (error sum of squares). Ihr Wert wird bei der Methode der kleinsten Quadrate minimiert: n

ESS = ∑ ( y i − yˆ i ) 2 i =1

(2.4)

Dabei ist y der beobachtete Wert und ŷ der berechnete Wert. In unserem Fall ist a = 0.9251, b = 1.0738 (Tabelle 2.5) und ESS = 43.23. Jeder andere Wert für a und b würde zu einer größeren Summe der Abweichungsquadrate führen. Dies wird in Tabelle 2.6 gezeigt, in der b exemplarisch verändert wurde, was immer zu einem Anwachsen von ESS führt.

16


Tabelle 2.5. Parameterschätzungen und ANOVA-Tafel für die Abundanz/Feuchte-Daten in Abb. 2.4. Parameter a (Intercept) b (Feuchte)

Wert 0.9251 1.0738

Std. Fehler 0.7814 0.1592

t-Wert 1.1839 6.7464

p

FG 1 18 19

SS RSS:109.3169 ESS: 43.2331 TSS:152.5500

MS 109.3169 2.4018

F-Wert 45.5138

0.2519 4 unimodale Methoden zu verwenden, während bei einer Gradientenlänge < 3 wahrscheinlich lineare Methoden besser geeignet sind. Bei Längen zwischen 3 und 4 sollten beide Typen von Ordinationsmethoden vernünftige Ergebnisse bringen.

6.4 Zusammenfassendes zu Problemen der CA und DCA Obwohl die geschilderten Verfahren zu den populärsten innerhalb der indirekten Gradientenanalyse gehören, sind sie umstritten und haben vielfältige Modifikationen erfahren. Ein wesentlicher Kritikpunkt liegt bei der Methode des detrending, die ja auf eine recht willkürliche Weise einfach nur die „Symptome kuriert“. Das detrending kann zu einer zu starken Stauchung der zweiten Achse führen, wobei ein evtl. wirklich vorhandener, d. h. ökologisch interpretierbarer arch möglicherweise zerstört würde. Als Alternative zum detrending durch Segmente ist daher das weniger gebräuchliche detrending durch Polynome entwickelt worden, bei dem einfach eine Kurve, also ein Polynom, durch den Bogen gelegt wird. Die Werte werden dann entlang dieser Kurve standardisiert.

6 Korrespondenzanalyse (CA)

a

Alopgeni Agrostol Poa palu Agrorepe Careprae Poa triv Ranurepe Rumethyr Alopprat Poa praA Agrocapi Trifrepe Phalarun Vicicrac Galipalu GaliverA Desccesp Cardprat Caregrac Anthodor Holclana

DCA-Achse 2

5

80

Glycmaxi

Rumeacet -1

Agrocani Carevesi DCA-Achse 1

8

4

-2

b

9

15 28 5

25

DCA-Achse 2

26 23

20 30

24

11 29

3 27 1

31

19

6

16 2

10

22 13

14 21 7

4 17

8 18

32

12 33

REZENT ALT

-1

RAND

-1

DCA-Achse 1

7

Abb. 6.4. DCA-Ordinationsdiagramm für den Elbauendatensatz: a Streudiagramm mit Artwerten, b Streudiagramm mit Aufnahmewerten (Eigenwerte erste/zweite Achse: 0.71/0.44; Gradientenlänge: 6.2/3.8 SD; aus Platzgründen sind nur 25 Arten dargestellt)

Das ist mathematisch zwar etwas eleganter als das segmentweise detrending, kuriert aber auch nur die Symptome. Außerdem ist die Achse nach dem detrending durch Polynome nicht in Standardabweichungseinheiten skaliert, damit ist ein ganz wesentlicher Vorteil der DCA verloren gegangen. Trotz des theoretisch etwas sinnvolleren Ansatzes hat sich detrending by polynomials deswegen nicht durchgesetzt. Ein grundlegendes Problem aller Korrespondenzanalysen ist, dass sie letztlich die Chi-Quadrat-Distanz zwischen den Aufnahmen wiedergeben. Das ist insoweit erstaunlich, als dass in dem geschilderten Algorithmus

6.4 Zusammenfassendes zu Problemen der CA und DCA

81

nirgendwo die Berechnung eines Distanzmaßes auftaucht. Tatsächlich war Hill ursprünglich auch nicht bewusst, dass die Methode implizit ein Distanzmaß benutzt. Es zeigt sich aber, dass der Algorithmus des reciprocal averaging in der Tat auf die Chi-Quadrat-Metrik rückführbar ist. Wie in Kapitel 4.3 dargestellt, hat diese aber den gravierenden Nachteil, dass Arten mit insgesamt großer Häufigkeit in der Analyse stärker herabgewichtet werden als seltene Arten. Letztere gehen also überproportional stark in die Analyse ein. Auch hier können nur die Symptome kuriert werden. Eine Möglichkeit ist, seltene Arten vorher von der Analyse auszuschließen. Das ist gerechtfertigt, da wir bei 1 oder 2 Vorkommen ohnehin nichts Sicheres über die Ansprüche der Arten sagen können. Eine andere Methode ist in einigen Softwarepaketen als Option vorhanden. Seltene Arten können herabgewichtet werden, was als downweighting of rare species bezeichnet wird; hierdurch wird ihre stärkere Gewichtung in der anschließenden CA/DCA korrigiert. Unter anderem hiermit hängt auch der Vorwurf zusammen, dass CA und DCA bestimmte Muster in den Daten nur unzureichend wiedergeben. Minchin (1987) stellte beim Vergleich von DCA und NMDS (Kap. 12.3) fest, dass letztere Methode für eine Reihe von Datensätzen besser interpretierbare Ergebnisse erzielt. So können unter bestimmten Bedingungen die Aufnahmen an einem Ende des Gradienten bei der DCA zu einer „Zunge“ gestaucht sein. Ausführliche Simulationen zeigen, dass Korrespondenzanalysen überhaupt nur dann sichere Ergebnisse liefern, wenn es einen klaren Hauptgradienten gibt und weitere Gradienten demgegenüber relativ kurz sind (van Groenewoud 1992). Das hat auch damit zu tun, dass zu einer vernünftigen Abschätzung der gewichteten Mittelwerte (weighted averaging) schlicht eine gewisse Gradientenlänge nötig ist. Es gibt allerdings nicht selten diesen einen Hauptgradient, selbst wenn dieser häufig einen Komplex parallel variierender Faktoren darstellt (z. B. Höhengradient). Das sei nur ein Einblick, Genaueres zu den Unzulänglichkeiten ist z. B. bei McCune et al. (2002) und Legendre u. Legendre (1998) nachzulesen. Insgesamt haben Korrespondenzanalysen so viele Probleme, dass manche Autoren ganz von ihrer Verwendung abraten. Alternative indirekte Ordinationsverfahren sind in Kapitel 12 dargestellt, haben aber ihrerseits eigene Schwierigkeiten. Außerdem sind noch mehr Tests und breitere praktische Erfahrung mit alternativen Methoden nötig, was erklärt, warum im Moment Korrespondenzanalysen immer noch die am häufigsten verwendete Methodenfamilie in der multivariaten Analyse ökologischer Daten sind. Trotz ihrer Probleme wollen wir sie den Lesern auch weiterhin empfehlen. Wir haben dafür 3 Gründe:

82

6 Korrespondenzanalyse (CA)

1. Als erster Schritt ist es oft sinnvoll, mit einer DCA (detrending by segments) die Länge des Gradienten abzuschätzen, weil das entscheidend für die Wahl des geeigneten Analyseverfahrens ist. 2. Wegen ihrer Robustheit sind CA und vor allem DCA oft sehr geeignet, um die Ergebnisse anderer Verfahren (z. B. CCA) zu überprüfen. 3. Die oben geschilderten Einwände sind letztlich theoretischer Natur, unsere Erfahrungen in der Praxis zeigen, dass bei realen Daten DCAOrdinationen (weniger CA) oft sehr gut interpretierbare Ergebnisse liefern. Da aus unserer Sicht Interpretierbarkeit für Ökologen wichtiger ist als mathematische Eleganz, ist dieser – zugegeben rein pragmatische – Vorteil ein starkes Argument.

7 Interpretation von CA und DCA

7.1 Zur Skalierung und Interpretation der Ordinationsdiagramme Bei genauerer Betrachtung ergeben sich einige Fragen zur grafischen Darstellung der Ergebnisse, die von verschiedenen Autoren aber oft uneinheitlich bzw. gar nicht beantwortet werden. Wir wollen trotzdem kurz auf die Probleme eingehen. In einem Ordinationsdiagramm mit Art- und Aufnahmewerten können entweder nur die Beziehungen der Arten untereinander oder nur die Beziehungen von Aufnahmen zueinander optimal dargestellt werden, nicht beides gleichzeitig. Es ist daher sinnvoll, vorher zu überlegen, ob wir die Interpretation der Ergebnisse eher auf Basis der Arten oder auf Basis der Aufnahmen durchführen möchten. Je nachdem können in einigen, aber längst nicht in allen Softwarepaketen (v. a. CANOCO, ter Braak u. Šmilauer 2002; Syn-Tax, Podani 2001; VEGAN, Oksanen et al. 2006) entsprechende Skalierungen durchgeführt werden. Diese ändern aber nichts an anderen Aspekten der Analyse (z. B. Kenngrößen wie Eigenwerten, Gradientenlängen etc.), sondern es geht hier nur um die visuelle Interpretation der Diagramme. Wird nur eine von beiden Gruppen, d. h. Arten oder Aufnahmen, im Streudiagramm dargestellt, werden die Achsen automatisch optimal skaliert. Die Wahl der Darstellung ist zudem auch dann unwichtig, wenn die beiden zu betrachtenden Achsen in etwa gleiche Eigenwerte aufweisen. Lepš u. Šmilauer (2003) empfehlen, bei langen Gradienten Hill’s scaling mit Fokus auf die Aufnahme-Beziehungen (inter-sample distances) zu wählen. Die Beziehung zwischen Aufnahmen und Arten können dann mit Hilfe des Zentroid-Prinzips (centroid principle) analysiert werden; das entsprechende Diagramm wird joint plot genannt: Aufnahmewerte sind hier gewichtete Mittel der Artwerte, so dass Aufnahmen in der Mitte, d. h. im Zentroid der Arten liegen, die in dieser Aufnahme vorkommen. Aufnahmen, die sehr nah an einem Artenpunkt liegen, zeichnen sich daher mit großer Wahrscheinlichkeit durch eine hohe Abundanz dieser Art aus. Umgekehrt ist davon auszugehen, dass Arten, die von einem Aufnahmepunkt

84


weit entfernt liegen, nicht in der entsprechenden Aufnahme vorhanden sind. Bei sehr kurzen Gradienten ist eher das biplot scaling mit Fokus auf Artenbeziehungen zu wählen (wobei wir allerdings in den meisten Fällen empfehlen würden, dann linearen Methoden den Vorzug zu geben; s. Kap. 9). Hier werden die Beziehungen von Arten und Aufnahmen mit Hilfe der Biplot-Regel analysiert, das entsprechende Diagramm wird biplot genannt. Die Biplot-Regel gilt dabei für CA und PCA in gleicher Weise und taucht auch bei der CCA wieder auf (Kap. 8): Der Ursprungspunkt (Koordinaten 0/0) wird mit dem Punkt des Artwertes verbunden. Dieser Vektorpfeil zeigt in Richtung zunehmender Abundanz der Art und kann auch auf der anderen Seite über den Ursprungspunkt verlängert werden. Nun wird eine senkrechte Linie von jedem Punkt der Aufnahmewerte zum Pfeil projiziert, also das Lot gefällt (Abb. 7.1). Daraus ergibt sich eine Reihenfolge der Aufnahmen im Hinblick auf die jeweilige Art, in unserem Beispiel Glyceria maxima. Weit von der Pfeilspitze entfernte Aufnahmepunkte haben die Art nicht oder nur in geringer Abundanz (z. B. Aufnahmen 6 u. 25, Abb. 7.1). Je näher die projizierten Punkte an der Pfeilspitze sind, desto höher ist tendenziell die Abundanz der Art in der entsprechenden Aufnahme bzw. desto höher ist die Wahrscheinlichkeit, dass die Art in der Aufnahme auftritt (bei Präsenz-/Absenzdaten). Die Distanz zwischen Punkten der Aufnahmewerte untereinander bzw. denen der Artwerte ist beim biplot scaling die Chi-Quadrat-Distanz (Kap. 4).

Abb. 7.1. Biplot-Regel zur Interpretation von Ordinationsdiagrammen, die Arten und Aufnahmen enthalten: Die relative Häufigkeit einer Variable wird durch das Fällen der Lote von den Aufnahmen abgeschätzt (nach Lepš u. Šmilauer 2003)

7.1 Zur Skalierung und Interpretation der Ordinationsdiagramme

85

Häufig ist es sinnvoll, Arten und Aufnahmen getrennt darzustellen. Wenn für die Aufnahmen keine Extrainformationen vorliegen, die in Form von Symbolen in das Diagramm eingefügt werden können, ist eine Darstellung der Aufnahmen meist überflüssig, und es sollte auf das Artenmuster allein fokussiert werden. Manchmal kann aber auch die Anordnung der Aufnahmen zueinander im Ordinationsraum (z. B. Clusterbildung) aufschlussreich sein. Die Beziehungen von einzelnen Arten zu den Aufnahmen sind außerdem durch einen Blick in die nach Art- und Aufnahmewerten geordnete (diagonalisierte) Ausgangsmatrix zu erkennen (Tabelle 6.4). Arten, die im Ordinationsdiagramm der CA und DCA sehr weit außen liegen, also sehr hohe oder niedrige Artwerte besitzen, sind häufig seltene Arten, die entweder extreme Umweltbedingungen bevorzugen (in dem Sinne, dass sie wirklich bevorzugt an den Rändern der grundlegenden Umweltgradienten vorkommen), oder ihre seltenen Vorkommen liegen zufällig gerade an den Standorten mit extremen Umweltbedingungen. Dies können wir nur durch zusätzliches Wissen aufklären, nicht aber aus dem Datensatz erschließen. Eine Interpretation der Achsen sollte daher nicht auf Basis der sehr seltenen Arten erfolgen, obwohl diese sehr stark das Muster der Artwerte im Diagramm beeinflussen können. Eine Möglichkeit diesen Einfluss zu reduzieren ist, die Arten vor der Analyse so zu gewichten, dass seltene ein geringeres Gewicht bekommen (also die Option downweighting of rare species zu wählen, s. Kap. 6.4). Eine andere Möglichkeit ist, überhaupt nur die Arten, die eine bestimmte Häufigkeit im Datensatz haben, im Ordinationsdiagramm darzustellen (auch wenn alle Arten in der Analyse eingehen, die seltenen Arten werden nur nicht gezeigt). Dies ist ohnehin notwendig, da schon bei einem Datensatz von vielen, also etwa über 40 Arten, die Übersichtlichkeit eines Ordinationsdiagramms nicht mehr gegeben ist (in Vorträgen bei ausreichender! Schriftgröße müssen es sogar weit weniger sein). Ebenso schwierig ist eine Interpretation der Artwerte, die im Zentrum des Diagramms liegen. Wie am Anfang von Kapitel 6 ausgeführt ist, liefert die Technik der gewichteten Mittelung nur gute Ergebnisse, solange sich die Arten auch wirklich unimodal verhalten. Ein Artwert im Zentrum des Diagramms kann natürlich bedeuten, dass die Art bzgl. der beiden Achsen und damit der grundlegenden Umweltgradienten tatsächlich ein intermediäres Verhalten zeigt. Es kann aber auch bedeuten, dass sie sich bimodal verhält, also 2 Vorkommensoptima entlang einer Achse hat oder überhaupt nicht mit diesen Achsen (oder nur mit einer von beiden) korreliert ist. Um das abzuschätzen, hilft ein Blick in die nach den Aufnahmewerten entlang der Achsen geordnete Originalmatrix (Tabelle 6.4). Gegebenenfalls ist es sogar sinnvoll, die Abundanzen gegen die Aufnahmewerte entlang der einzelnen Achsen aufzutragen.

86


Schauen wir uns das Vorkommen von Alopecurus pratensis und Trifolium repens (ungefähr im Zentrum der ersten Achse der CA und DCADiagramme gelegen, Abb. 6.2, 6.4) entlang der Aufnahmewerte der ersten Achse an (Tabelle 6.4). Trifolium repens zeigt ein deutlich unimodales Verhalten entlang der Achse (die Art kommt recht eng begrenzt nur in der Mitte der geordneten Tabelle vor, d. h. sie besiedelt entlang des Feuchtegradienten nur die mittleren Standorte, während Alopecurus pratensis viel weiter verbreitet ist. Beide haben aber ähnliche Artwerte entlang der ersten Achse. Vorstellbar wäre auch eine Art, die über den gesamten Gradienten gleich häufig ist, was sich ebenfalls in mittleren Artwerten niederschlägt.

7.2 Umweltvariablen – Interaktionen von Effekten Komplizierter wird es, wenn wir mit in Betracht ziehen, dass einzelne Umweltvariablen mit anderen interagieren können. Das bedeutet, dass der Effekt einer Umweltvariablen (z. B. auf die Abundanz einer Art) in Abhängigkeit von einem anderen Variablen steht (Kap. 2.9). Schauen wir uns z. B. das Verhalten von Alopecurus pratensis und Deschampsia cespitosa entlang des Bodenfeuchtegradienten für die 3 Auenbereiche, in denen die Arten vorkommen (rezente Aue, Altaue, Auenrand), einmal im Detail an (Abb. 7.2). Die Vorkommenswahrscheinlichkeit wurde mit Hilfe logistischer Regression ausgewertet (Kap. 2.8), wobei ein erweiterter Datensatz von 206 Aufnahmen verwendet wurde. Alopecurus pratensis besitzt eine breite Amplitude bzgl. der Feuchte, wobei die sehr nassen Standorte gemieden werden (Abb. 7.2 a). Untersuchen wir aber nun die Vorkommenswahrscheinlichkeit der Art getrennt für jedes Auenkompartiment, so zeigen sich deutliche Unterschiede: Alopecurus pratensis bevorzugt in der rezenten Aue weit niedrigere Grundwasserstände als im Hinterland einschließlich des Auenrandes (Abb. 7.2 b). Die Ordinationsanalyse liefert aber nur einen mittleren Artwert für die jeweilige Achse und damit auch für die erste Achse, die wir als Bodenfeuchtegradient interpretiert haben. Bei Deschampsia cespitosa werden die Interaktionen im Ordinationsdiagramm abgebildet, denn die Art kommt in der rezenten Aue selten vor (geringe Vorkommenswahrscheinlichkeit in Abb. 7.2 b), was sich in der Lage der Artwerte entlang der zweiten Achse bemerkbar macht (Abb. 6.4 a).

7.3 Ordination und Umweltdaten Alopecurus pratensis

Deschampsia cespitosa

Vorkommenswahrscheinlichkeit

a

87

b

Abb. 7.2. Beispiel für Interaktionen von Umweltvariablen: a Einfluss von MWS über alle Auentypen für Alopecurus pratensis und Deschampsia cespitosa. b MWS und Auentyp zeigen Interaktionen, d. h. der Effekt der Variable MWS auf das Vorkommen von Alopecurus pratensis und Deschampsia cespitosa hängt vom Auentyp ab (ņņ gesamte Reaktion, ņ ņ rezente Aue, ņ · Altaue, ······ Auenrand)

Interaktionen wie im Fall von Alopecurus pratensis können mit Hilfe der vorgestellten Ordinationsmethoden nicht aufgedeckt werden. Daher empfiehlt es sich, im Anschluss an die multivariate Analyse der grundlegenden Struktur der Daten und der wesentlichen Faktoren in die Analyse der Einzelarten zu gehen. Das genaue Verhalten einer Art entlang von Umweltgradienten aus der Ordinationsanalyse interpretieren zu wollen, ist dagegen häufig Kaffeesatzleserei!

7.3 Ordination und Umweltdaten Ist neben einem Datensatz der Artenzusammensetzung auch ein Datensatz mit Umweltvariablen vorhanden, gibt es 2 komplementäre Ansätze, diese miteinander in Beziehung zu setzen. Bleiben wir zunächst bei der indirekten Gradientenanalyse. Je nachdem, ob sich die Arten eher linear oder unimodal verhalten (Länge des Gradienten in einer ersten DCA!), führen wir eine PCA (Kap. 9) oder DCA durch. Nun gibt es mehrere Möglichkeiten, die Umweltdaten für eine Interpretation der Achsen zu nutzen. Ein simples Vorgehen ist, die Werte der Umweltvariablen neben die Punkte der Aufnahmewerte in das Diagramm einzutragen. Einfache Gradienten entlang der Achsen lassen sich dann leicht erkennen.

88


7.0

7.000 sample score DCA-Achse 1

Werte DCA-Achse 1

6.0

a

5.0 4.0 3.0 2.0 1.0 0.0 -300

-200

-100

0

b

6.000 5.000 4.000 3.000 2.000 1.000 0.000 100

0

MWS

20

40

60

80

100

STAB

Abb. 7.3. Zusammenhang zwischen a MWS und den Aufnahmewerten (sample scores) der ersten Achse, b STAB und den Aufnahmewerten der ersten Achse

Eine andere Möglichkeit ist, Korrelationskoeffizienten zwischen Umweltvariablen und den entsprechenden Aufnahmewerten in der Ordination zu berechnen. Dazu brauchen wir die Aufnahmewerte, z. B. für die erste Achse einer Ordination und setzen diese dann zu Umweltvariablen in Beziehung (Abb. 7.3). Die Stärke des Zusammenhangs der entsprechenden Achsen mit den Umweltgradienten lässt sich so sehr gut beschreiben und als Korrelationskoeffizient ausdrücken (Tabelle 7.1). Je nachdem, welche Datentypen wir benutzen, bieten sich hier parametrische oder nichtparametrische Koeffizienten an. Wollen wir z. B. ordinalskalierte EllenbergZeigerwerte mit dem Ordinationsachsen korrelieren, dann ist es sinnvoll, rangbasierte Korrelationskoeffizienten zu verwenden (Spearman rank, Kendalls tau, Kap. 2.3). Das Interpretationsprinzip ist aber immer das gleiche, eine Ordination wird in einem zweiten Schritt, also post hoc, durch weitere Analyseschritte interpretiert. Derartige Post-hoc-Korrelationen werden von vielen Softwarepaketen direkt angeboten, sie können aber auch leicht berechnet werden, indem Aufnahmewerte aus einer Ordination in ein normales Programm für univariate Statistik überführt und dann mit Umweltvariablen korreliert werden (Abb. 7.3, Tabelle 7.1). Die Richtung der maximalen Änderung einer Umweltvariablen lässt sich aber auch im Ordinationsdiagramm darstellen. Basis der Berechnung ist meist eine multiple Regression (Methode der kleinsten Fehlerquadrate, Kap. 2.6) mit der zu betrachtenden Umweltvariablen als abhängiger (y) und den Aufnahmewerten der ersten (x1) und zweiten Achse (x2) als erklärende Variablen: y = b0 + b1x1 + b2x2

(7.1)

7.3 Ordination und Umweltdaten

REZENT ALT RAND INTENS MWS STAB ÜFD ÜF>50

DCAAchse 1 -0.09 0.07 0.04 -0.29 0.87 -0.11 0.79 0.50

DCAAchse 2 0.66 -0.20 -0.57 0.26 -0.09 0.60 0.22 0.47

89

Tabelle 7.1. Korrelation der Umweltvariablen mit der ersten und zweiten Achse der DCA (Pearson-Korrelationen)

Die Richtung der maximalen Korrelation wird durch den Winkel Į zwischen diesem und der ersten Achse definiert: Į = arctan (b1/b2). Im Diagramm wird die Richtung durch einen Pfeil bestimmt, die relative Länge des Pfeils im Vergleich zu der Pfeillänge anderer Umweltvariablen gibt die Stärke der Änderung an (Abb. 7.4). Ursprung des Pfeils ist der Mittelpunkt der Punktwolke, der von der Gesamtheit der Aufnahmewerte gebildet wird; der Endpunkt wird durch die Koordinaten b1 und b2 bestimmt. Auf diese Weise können Richtung und Stärke der Auswirkung unterschiedlicher Einzelvariablen in Beziehung zum Art- und Aufnahmemuster gesetzt werden. Obwohl jede Umweltvariable getrennt mit den Achsen korreliert wird, kann man die Korrelationskoeffizienten untereinander vergleichen und durch unterschiedlich lange Vektoren symbolisieren. Dabei kommt es auf die relative Länge der Vektoren untereinander an, während die absolute Länge der Vektoren im Diagramm letztlich willkürlich ist. Sie sind ja in eigenen Einheiten skaliert und haben mit den Ordinationsachsen (weighted averages) keinen direkten Zusammenhang. Die absolute Länge der Vektoren im Verhältnis zu den Ordinationsachsen ist also eine Layoutfrage. Neben ordinal- und ratioskalierten Daten können auch nominale Variablen in das Diagramm projiziert werden. Ein Pfeil ist dann aber sicher nicht die richtige Darstellungsform, geben nominale Variablen doch keine Gradienten an, sondern trennen den Datensatz nur nach Klassenzugehörigkeit. Sie sind daher am besten als Zentroid abzubilden, d. h. als Mittelpunkt der Punktwolke, die von der Gruppe von Objekten gleicher Klassenzugehörigkeit gebildet wird (Abb. 7.4). Im Gegensatz zur beschriebenen Methode, die Umweltvariablen mit der Artenzusammensetzung post hoc zu analysieren, werden bei der im nächsten Kapitel erläuterten direkten (multivariaten) Gradientenanalyse die Umweltdaten direkt mit den Artdaten in Beziehung gesetzt. Die indirekte Gradientenanalyse wird im Englischen auch als unconstrained ordination, die direkte als constrained ordination bezeichnet. Eine deutsche Überset-

90


DCA-Achse 2

zung ist schwierig; inhaltlich bedeutet es, dass das Muster der Arten und Aufnahmen in Bezug zu den Achsen bei den indirekten Verfahren (z. B. DCA, PCA) unabhängig (uneingeschränkt = unconstrained) von den Umweltdaten ermittelt wird. Die Variabilität, die abgebildet und durch Kennwerte belegt wird, entspricht der Hauptvariation in den Artdaten. Anders ist dies bei den direkten Gradientenanalysen CCA (Kap. 8) und RDA (Kap. 10). Hier wird nur die Variation in der Artenzusammensetzung ermittelt, die in Beziehung zu den berücksichtigten Umweltvariablen steht. Beide Verfahren haben ihre Berechtigung, aber auch ihre Einschränkungen: Während bei der direkten Gradientenanalyse unter Umständen der Hauptanteil der Variation in der Artenzusammensetzung unerkannt bleibt (nämlich dann, wenn die für die Artzusammensetzung wichtigsten Umweltvariablen nicht gemessen wurden), kann bei der indirekten Gradientenanalyse der Teil der Variation, der in Beziehung zu den Umweltdaten steht, nicht immer ermittelt werden. Beide Verfahren anzuwenden und die Ergebnisse miteinander zu vergleichen (Kap. 8), ist daher empfehlenswert (Okland 1990).

DCA-Achse 1

Abb. 7.4. DCA-Diagramm des Elbauensatzes (wie Abb. 6.4) mit Post-hocKorrelation der Umweltvariablen. Nominale Variablen sind als Zentroide dargestellt (Mittelpunkt der Punktwolke, die durch die Objekte einer Klasse gebildet wird). Aus Platzgründen sind nur 30 Arten dargestellt (Eigenwerte erste/zweite Achse: 0.71/0.44; Gradientenlänge: 6.2/3.8 SD)

8 Kanonische Ordination (constrained ordination)

Seit den 80er Jahren des 20. Jahrhunderts werden Verfahren der kanonischen Ordination in der Ökologie angewandt. Sie haben zum Ziel, diejenige Variation der Artenzusammensetzung aufzudecken, die in Beziehung zu den gemessenen Umweltvariablen steht. Dazu kombinieren diese Methoden die Verfahren der indirekten Gradientenanalyse (CA bzw. DCA und PCA) mit (multiplen) Regressionen auf die zusätzlich gemessenen Umweltvariablen, d. h. mit Methoden der univariaten direkten Gradientenanalyse. Kanonische Ordination wird daher auch als direkte Gradientenanalyse bezeichnet, obwohl „multivariate direkte Gradientenanalyse“ passender wäre, um sie von univariaten Verfahren abzugrenzen. Kanonische Ordinationen sind also Weiterentwicklungen indirekter Verfahren: So beruht die Kanonische Korrespondenzanalyse (CCA oder DCCA, s. unten) auf einer Korrespondenzanalyse (Kap. 6), die Redundanzanalyse (RDA, Kap. 10) auf einer Hauptkomponentenanalyse (Kap. 9).

8.1 Prinzip der Kanonischen Korrespondenzanalyse (CCA) Ter Braak (1987) hat die Methode der CA zur CCA erweitert. Erinnern wir uns noch einmal, dass die CA einen theoretischen Gradienten entwickelt, der am besten die Variation der Artdaten erklärt, d. h. bei dem die Arten so entlang eines Gradienten angeordnet werden, dass sie maximal ausgebreitet sind. Die Korrespondenzanalyse erreicht dies durch die (im Hinblick auf die Artdaten) optimale Anordnung der Aufnahmewerte entlang der Ordinationsachse. Die Positionen der Aufnahmewerte (sample scores) sind dabei gewichtete Mittel (weighted averages) der Artwerte (species scores). Bei der Kanonischen Korrespondenzanalyse kommt nun ein weiterer Schritt hinzu (Abb. 8.1): Wir fordern, dass die abgeleiteten Gradienten, sprich die Ordinationsachsen, Linearkombinationen der aufgenommenen Umweltvariablen darstellen; dazu wird ein multiples lineares Regressionsmodell benutzt, bei dem die Umweltdaten als erklärende Variablen

92


dienen. Auch Interaktionen zwischen Variablen können hier durch entsprechende Terme in dem Regressionsmodell berücksichtigt werden. Die CCA sucht die Linearkombination der Umweltvariablen, die am besten die Aufnahmewerte erklärt, welche aber weiterhin auch von der Artenzusammensetzung abhängen. Auch hier werden Arten entlang von Gradienten angeordnet, die möglichst viel von der enthaltenden Varianz ausdrücken, allerdings mit der Einschränkung (constrained ordination!), dass der Gradient gleichzeitig eine Linearkombination der Umweltvariablen darstellt. Eine kanonische Ordination hängt also nicht nur von den Arten oder nur von den Umweltvariablen ab, sondern fasst die multivariate Beziehung zwischen beiden zusammen. Die CCA ist also dann geeignet, wenn die Variation der Artdaten, die in Zusammenhang mit den verfügbaren Umweltvariablen steht, interessant ist. Außerdem sollte natürlich das in der (C)CA verwendete unimodale Modell für die Artdaten angemessen sein. Der Algorithmus beginnt mit einer CA. Sie berechnet die gewichteten Mittel der Artwerte und leitet daraus Aufnahmewerte ab (Kap. 6). Diese Aufnahmewerte werden nun als abhängige Variable, die Umweltvariablen als erklärende Variablen in einer multiplen linearen Regression verwendet (Kap. 2.6). Die ursprünglichen Aufnahmewerte werden dann durch die aus dem Regressionsmodell als Linearkombination der Umweltvariablen berechneten Werte ersetzt. Letztere bilden den Ausgangspunkt für die nächste CA-Iteration. Der Vorgang wird so lange wiederholt, bis sich die Werte stabilisiert haben. In der Kanonischen Korrespondenzanalyse gibt es also 2 Arten von Aufnahmewerten (Abb. 8.1): • Aufnahmewerte, die vor dem Regressionsschritt als gewichtete Mittel der Artwerte berechnet wurden. Nennen wir sie GM-Werte (engl. WAscores basierend auf weighted averages). • Aufnahmewerte, die als Ergebnis des Regressionsschritts Linearkombinationen der Umweltvariablen sind: die LK-Werte (englisch: LC-scores basierend auf linear combinations). Anfänglich wurden im Ordinationsdiagramm meist GM-Werte dargestellt, weil sie auch dann noch eine Aussage ermöglichen, wenn die Umweltvariablen z. B. sehr viel Rauschen enthalten (McCune 1997). Andererseits sind nur die LK-Werte wirklich aus einer direkten Gradientenanalyse hervorgegangen, werden daher häufiger empfohlen (Palmer 1993; ter Braak 1994) und z. B. in neueren Versionen von CANOCO auch standardmäßig verwendet. Die Struktur des Ordinationsraums wird hier also sehr stark von den Umweltvariablen bestimmt – lediglich die Wichtungen (kanonische Koeffizienten, s. unten) der einzelnen Variablen sind von der Artenzusammensetzung abhängig.

8.1 Prinzip der Kanonischen Korrespondenzanalyse (CCA) CA, DCA

CCA, DCCA

Willkürliche Auswahl von Aufnahmewerten

Willkürliche Auswahl von LK-Werten -

Berechnung der Artwerte als gewichtetes Mittel der Aufnahmewerte

Berechnung der Artwerte als gewichtetes Mittel der LK-Werte -

Berechnung neuer Aufnahmewerte als gewichtetes Mittel der Artwerte Bei DCA Extraschritt: detrending

Berechnung neuer GM-Werte als gewichtetes Mittel der Artwerte Bei DCCA Extraschritt: detrending

93

Berechnung neuer LK-Werte auf Basis multipler Regression

Stabile Werte?

Stabile Werte?

nein ja Stop

nein ja Stop

Abb. 8.1. Vereinfachte Darstellung der Schritte eines Iterationszyklus in CA, DCA und CCA im Vergleich (in Anlehnung an Palmer 1993)

Die Eigenwerte (eigenvalues) der CCA-Achsen sind wie bei der CA ein Maß für die maximale Dispersion, also die Auftrennung der Artwerte entlang der Achsen. Gleichzeitig sind sie ein Maß für den Anteil der auf der Achse abgebildeten Varianz an der Gesamtvarianz der Artenzusammensetzung. Je größer der Eigenwert, desto stärker steht diese Achse und damit der zugrunde liegende Gradient mit der Variation in der Artenzusammensetzung in Beziehung. Die Eigenwerte sind dabei immer kleiner als die entsprechenden Werte der CA, da die Aufnahmewerte ja nicht nur gewichtete Mittel der Artwerte sein müssen, sondern gleichzeitig Linearkombinationen der Umweltvariablen. Es wird also nicht die aus Sicht der Artdaten optimale Achse benutzt, sondern die aus Sicht der Art- UND Umweltdaten optimale Achse. Diese Beschränkung (constrained ordination) führt dazu, dass CCA-Achsen stets einen kleineren Anteil an der Varianz der Artdaten abbilden als die entsprechende CA. In der kanonischen Analyse sind alle kanonischen Achsen im Licht der Umweltvariablen interpretierbar. Artifizielle Arch-Effekte (Kap. 6.2) sind daher bei der CCA i. d. R. gering ausgeprägt, weshalb die DCCA (detrended canonical correspondence analysis, mit dem Extraschritt des detren-

94


ding analog zur DCA) selten verwendet wird (Palmer 1993; ter Braak u. Šmilauer 2002). Allerdings gibt es Ausnahmen. Die DCCA kann gelegentlich sinnvoll sein, wenn viele und redundante Variablen mit in die Analyse eingehen. Die Beschränkungen der CCA werden nämlich umso geringer, je mehr Variablen in die Analyse eingehen. Ist die Zahl der Umweltvariablen eins weniger der Zahl der Aufnahmen, gibt es keine Restriktionen mehr und die CCA entspricht einer CA mit allen Problemen wie z. B. dem Arch-Effekt. Entsprechend geht die DCCA bei sehr vielen Umweltvariablen in eine DCA über; in solchen Fällen können also auch gleich indirekte Ordinationsmethoden genutzt werden. Besser ist es daher, die Zahl der Variablen in der Analyse zu beschränken und mit diesem kleineren Datensatz eine CCA zu berechnen. Es gibt verschiedene rechnerische Möglichkeiten der Reduktion von redundanten, „überflüssigen“ Variablen (z. B. forward selection s. unten, oder Reduktion der Umweltvariablen durch anfängliche Hauptkomponentenanalyse PCA, Kap. 9). Neben dem Eigenwert gibt es aber noch eine Reihe anderer Kennwerte der CCA, die zur Interpretation der Daten herangezogen werden können. Die Kanonischen (Regressions-) Koeffizienten bilden die Wichtungen der erklärenden Umweltvariablen bei der multiplen linearen Regression im CCA-Zyklus. Sie sind damit die Gewichtungsfaktoren bei der Berechnung der CCA-Achsen (Tabelle 8.1). Die Intraset-Korrelation gibt Auskunft über die lineare Korrelation der Umweltvariablen mit den LK-Werten der Aufnahmen; dagegen wird bei der Interset-Korrelation die Beziehung von Umweltvariablen und den GM-Werten betrachtet. Aus der IntrasetKorrelation kann abgeleitet werden, wie stark und in welche Richtung die Umweltvariablen im Ordinationsraum zu- oder abnehmen, was auf die Bedeutung der einzelnen Umweltvariablen für die CCA-Achsen schließen lässt. Auch die kanonischen Koeffizienten sind dazu im Prinzip geeignet. Das gilt aber leider nur dann, wenn die Umweltvariablen nicht bzw. kaum miteinander korreliert sind, was bei ökologischen Daten aber eher selten der Fall ist. Sind sehr stark miteinander korrelierte Umweltvariablen in der Analyse enthalten, sollte Abstand von der Interpretation der kanonischen Koeffizienten genommen werden, da dann das Multikollinearitätsproblem auftritt, wie wir es aus der multiplen Regression kennen (Kap. 2.6). Wenn z. B. nominale Variablen durch Dummy-Variablen ersetzt werden (Kap. 3.3), enthält die letzte Dummy-Variable redundante Information, denn bei 3 möglichen Zuordnungen muss eine Aufnahme, die nicht in die ersten beiden Gruppen fällt, in die dritte Gruppe gehören. Aus diesem Grund schließt der Algorithmus der CCA solche direkt als redundant erkennbaren Variablen selbsttätig von der Regression aus; in Tabelle 8.1 ist dies z. B. der Auenrand.

8.1 Prinzip der Kanonischen Korrespondenzanalyse (CCA)

95

Tabelle 8.1. Kanonische Koeffizienten der Umweltvariablen, die die erste und zweite Achse definieren, dazu die Intraset- und Interset-Korrelationen der Umweltvariablen mit den Achsen. Die Variable RAND geht nicht in die Analyse der kanonischen Koeffizenten mit ein, da sie eine Linarkombination der Variablen REZENT und ALT ist Kanonische Koeffizienten 1. Achse 2. Achse REZENT -0.19 -1.04 ALT -0.03 -0.14 RAND INTENS 0.01 -0.08 MWS -0.95 -0.09 STAB -0.21 -0.13 ÜFD -0.26 -0.05 ÜF>50 0.07 0.10

Intraset-Korrelation

Interset-Korrelation

1. Achse 0.07 -0.08 -0.01 0.10 -0.90 0.06 -0.78 -0.46

1. Achse 0.07 -0.08 -0.01 0.09 -0.87 0.06 -0.75 -0.44

2. Achse -0.98 0.36 0.78 -0.19 0.40 -0.88 -0.30 -0.72

2. Achse -0.87 0.32 0.69 -0.17 0.35 -0.79 -0.27 -0.64

In unserem Beispiel deuten die kanonischen Koeffizienten an, dass die zweite Achse v. a. die Lage der Aufnahmen in der rezenten Aue abbildet. Der Wasserstandsschwankungsgradient STAB hat dagegen einen niedrigen kanonischen Koeffizienten für die zweite Achse, was aber z. B. den Ergebnissen einer DCA widerspricht (Abb. 7.4, Tabelle 7.1). Der Grund liegt hier darin, dass die Variable STAB eng mit der Lage in der rezenten Aue korreliert ist. Der geringe Anteil an eigener, nicht redundanter Information führt zu einem geringen kanonischen Koeffizienten für die Variable STAB. Dagegen kann die Intraset-Korrelation auch bei miteinander eng korrelierten Variablen zur Interpretation herangezogen werden, denn die Werte werden auch von starker Redundanz nicht beeinflusst. Entsprechend zeigt Tabelle 8.1 hohe Intraset-Korrelationen der zweiten Achse mit der Lage in der rezenten Aue und dem Wasserstandsschwankungsgradienten STAB. Wir nutzen also besser die Intraset-Korrelationen zur Interpretation der CCA und schließen aus Tabelle 8.1, dass die erste kanonische Ordinationsachse hauptsächlich ein Bodenfeuchtegradient ist (charakterisiert durch den mittleren Grundwasserstand und die Überflutungsdauer), während die zweite Achse ein Gradient der Auendynamik ist. Die Gesamtvarianz in der Artenzusammensetzung ist in CA/DCA und CCA gleich, da hier die Varianz gemeint ist, die unabhängig von den Umweltvariablen in der Artenzusammensetzung vorhanden ist. Diese ist, wie bei der CA ausgeführt, die Summe der Eigenwerte der CA, also der Eigenwerte der unconstrained ordination. Diese Kenngröße wird auch in der CCA als total inertia bezeichnet (vgl. Kap. 6.1). Daneben gibt es den für

96


die constrained ordination spezifischen Kennwert „Summe aller kanonischen Eigenwerte“. Da die kanonischen Eigenwerte kleiner sind als die entsprechenden Werte der CA, ist auch die Summe aller kanonischen Eigenwerte im Vergleich zur total inertia geringer (Tabelle 8.2). Auf einen weiteren Kennwert sei hier noch verwiesen, der als ArtenUmwelt-Korrelation bezeichnet wird (species environment correlation). Dieser beschreibt die Korrelation der GM-Werte mit den LK-Werten. Diese Korrelation ist ein Maß für die Güte der Beziehung zwischen Arten und Umweltdaten. Allerdings können Achsen mit sehr geringen Eigenwerten einen hohe Art-Umwelt-Korrelationswert haben und damit eine enge ArtUmwelt-Beziehung vortäuschen. Da die Art-Umwelt-Korrelation selbst bei Zufallszahlen in der Umweltmatrix hoch sein kann, ist diese kein zuverlässiger Kennwert zur Interpretation der CCA (McCune 1997). Tabelle 8.2. Eigenwerte von CCA und DCA für den Elbauendatensatz im Vergleich. Ferner ist die Summe aller (kanonischen) Eigenwerte angegeben 1. 2. 3. 4. Summe aller Achse Achse Achse Achse Eigenwerte Eigenwerte CCA 0.630 0.414 0.288 0.165 5.095 Eigenwerte DCA 0.710 0.442 0.197 0.132 5.095

Summe aller kanonischen Eigenwerte 1.797 -

8.2 Interpretation eines CCA-Diagramms Auch in einem CCA-Diagramm werden Art- und Aufnahmewerte als Punkte dargestellt. Die ordinalskalierten (sofern sie nicht durch DummyVariablen ersetzt wurden, Kap. 3.3) und quantitativen Umweltvariablen sind als Vektorpfeile abgebildet. Nominale Variablen werden meist als Zentroide gezeichnet (Abb. 8.2 a, b), da sie den Datensatz nur nach Klassenzugehörigkeit und nicht entlang eines Gradienten gliedern. Sind alle drei Klassen (Art-, Aufnahmewerte, Umweltvariablen) im Diagramm eingetragen, so wird es triplot, bei zweien je nach Skalierung biplot oder joint plot genannt (Kap. 7.1). Bei einem biplot kann jede Art näherungsweise in Beziehung zu jeder Umweltvariablen gesetzt werden, in dem Lote von den Arten auf die Umweltvektoren gefällt werden (Biplot-Regel, Abb. 7.1), der jeweilige Vektor muss dabei über den Koordinatenursprung hinaus verlängert gedacht werden. Die Reihenfolge dieser projizierten Artpunkte entspricht näherungsweise der Reihenfolge der gewichteten Mittel der Arten für diese Variable.

8.2 Interpretation eines CCA-Diagramms

97

So bevorzugt Ranunculus flammula Standorte mit höheren mittleren Grundwasserständen als Cardamine pratensis und diese wiederum höhere als Agrostis capillaris (Abb. 8.2 a). Der Koordinatenursprung entspricht dabei einem mittleren Wert für eine Umweltvariable. Damit haben Arten, deren Lote auf der Seite mit der Pfeilspitze liegen, ein höheres gewichtetes Mittel für die gegebene Umweltvariable als der Durchschnitt der Arten; Lote die auf der anderen Seiten des Koordinatenursprungs liegen, haben ein unterdurchschnittliches gewichtetes Mittel. Auch hier ist, wie schon in Kapitel 7.1 dargelegt, darauf zu achten, dass Artpunkte in der Mitte des Diagramms nicht unbedingt dort ihren Schwerpunkt haben müssen. Wenn sie gar nicht in Beziehung zu den synthetischen Achsen bzw. den Umweltvariablen stehen oder ein bimodales Verhalten aufweisen, liegen die Werte ebenfalls nahe des Diagrammzentrums. Auch Aufnahmen können nach der Biplot-Regel interpretiert werden; in diesem Fall gibt die Reihenfolge der Lote auf die Umweltvariable einen Eindruck von der relativen Größe der Werte für die Umweltvariable in den entsprechenden Aufnahmen. Die Position der Pfeilspitze in Bezug zu einer CCA-Achse ist abhängig von deren Eigenwert und der Intraset-Korrelation. Der Pfeil gibt durch seine Orientierung die Richtung und durch seine Länge die Stärke der Änderung einer Variablen in den Aufnahmen wider. Je länger ein Pfeil relativ zu einer bestimmten Achse ist (durch Fällung des Lotes von der Pfeilspitze zur Achse zu ermitteln), desto enger steht die Umweltvariable mit dieser Achse und der damit verbundenen Variation in der Artenzusammensetzung in Beziehung. In Abb. 8.2 ist der mittlere Wasserstand MWS sehr eng mit der ersten Achse korreliert, weit geringer mit der zweiten. Für die Stärke der Wasserstandsschwankungen STAB gilt das Umgekehrte. Kurze Vektorpfeile deuten dagegen eine geringe Korrelation mit den Achsen und der entsprechenden Variation in der Artenzusammensetzung an. Hierbei ist jedoch Vorsicht geboten: Solche Umweltvariablen müssen nicht zwangsläufig gar keinen Einfluss auf die Artenstruktur besitzen. Sie können sehr wohl in Beziehung z. B. zur dritten Achse stehen und damit durchaus einen Teil der Daten erklären. Ein Blick auf die höheren Achsen kann also für die Interpretation der Daten von Interesse sein, häufig sind aber keine klaren Muster mehr erkennbar.


1.0

98

RAND

Carevesi

Poteanse Rumeacet

Junceffu Ranuflam

MWS

Caregrac

ALT

Holclana Cardprat GaliverA Achimill Anthodor

CCA-Achse 2

Galipalu

Vicitetr

INTENS

ÜFD

Alopprat

Alopgeni RorisylA Planinte

-1.0

a

STAB

0.6

CCA-Achse 1

-1.0

CCA-Achse 2

MWS

b -1.0

Eropvern

REZENT

ÜF>50

-1.0

ÜFD 31

Rumethyr

Agrorepe

Agrostol

Agrocapi

Careprae

33

10

18 RAND 4 7 8 22 20 17 21 26 14 13 ALT

32 12 23 9 24 11 19 25

INTENS 28 15 5 6 REZENT

1.0 30

3

27 29 16

2

1

REZENT

ÜF>50

ALT

STAB CCA-Achse 1

RAND

1.0

Abb. 8.2. CCA-Diagramm des Elbauendatensatzes a mit Artwerten (als Punkte dargestellt) und Umweltvariablen (als Vektorpfeile und Zentroide dargestellt), b mit Aufnahmewerten (als Punkte dargestellt) und Umweltvariablen. Eigenwerte erste/zweite Achse: 0.630/0.414, nur 23 Arten dargestellt

8.3 Forward selection bei kanonischen Ordinationen

99

8.3 Forward selection bei kanonischen Ordinationen Forward selection ist eine Methode zur Reduzierung der Zahl von Umweltvariablen, bei der das Regressionsmodell schrittweise nur um diejenigen Umweltvariablen erweitert wird, die einen signifikanten Beitrag zur Erklärung der Artenzusammensetzung liefern. Dies ist dann von großem Interesse, wenn die Zahl der Umweltvariablen im Vergleich zur Zahl der Aufnahmen groß ist und damit eine CCA in eine CA überzugehen droht (s. oben), was bei explorativen Untersuchungen schnell der Fall sein kann. Außerdem ist es ebenso wie bei der Entwicklung von multiplen Regressionsmodellen grundsätzlich sinnvoll, nur die Variablen zu betrachten, die tatsächlich einen Erklärungsanteil liefern. Forward selection ist methodisch eng mit dem Vorgehen zur Ermittlung des minimalen angemessenen Modells in der Regressionsanalyse verwandt (Kap. 2.6). Die Methode ist z. B. im Programm CANOCO, ter Braak u. Šmilauer (2002) implementiert. Zunächst wird dabei der Erklärungsbeitrag für jede Variable einzeln in einem separaten Modell ermittelt, d. h. es wird für jede Variable einzeln eine CCA gerechnet und die erklärte Varianz verglichen. Die Variablen werden nun in der Reihenfolge dieses Erklärungsbeitrags geordnet, die Variable mit dem höchsten Beitrag steht am Anfang. Beginnend mit dem Null-Modell wird dann die erste Variable in das Modell implementiert. Ihr Anteil an erklärter Varianz wird auf Signifikanz getestet, wofür ein MonteCarlo-Permutationstest verwendet wird (Kap. 17.2). Ist der Erklärungsanteil der ersten Variablen signifikant, wird das Null-Modell um diese Variable erweitert. Die verbliebenen Variablen können nun aufgrund von Multikollinearität redundante Information enthalten, d. h. ein Teil der von ihnen beschriebenen Varianz wird schon durch die erste Variable abgedeckt. Entsprechend wird dieser gemeinsame Anteil bei allen noch nicht in das Modell einbezogenen Variablen entfernt, und nur der darüber hinausgehende, unabhängige Anteil der erklärten Varianz bleibt erhalten. Die Variable, die nun den größten unabhängigen Anteil aufweist, wird als nächstes auf einen signifikanten Beitrag getestet und entsprechend in das Modell einbezogen oder nicht. Mit den übrigen Variablen wird in gleicher Weise verfahren. Am Ende sind alle Umweltvariablen, die keinen signifikanten Beitrag liefern, identifiziert und aus dem Modell ausgeschlossen worden. Aber Vorsicht: Wie bei der multiplen linearen Regression schon beschrieben (Kap. 2.6), taucht auch hier das Problem der Multikollinearität auf. Wir können aus einer forward selection nicht ableiten, dass wirklich die kausal wirksamen Variablen in das Modell einbezogen sind (wenn sie denn überhaupt gemessen wurden), da die Reihenfolge der Implementierung der Variablen

100


einen großen Einfluss auf deren unabhängigen Beitrag für das Modell hat. Das hat u. a. dazu geführt, dass einige Autoren schrittweise Korrelationsoder Regressionsanalysen ganz ablehnen (vgl. James u. McCulloch 1990), was sicher eine Extremposition ist. In jedem Fall ist es sinnvoll, die durch forward selection getroffene Auswahl auf biologische Sinnhaftigkeit kritisch zu überprüfen und ggf. weitere für die Interpretation notwendige Variablen in die Analyse mit einzubeziehen. Bei unseren Elbauendaten sind die Umweltvariablen nach den anfänglichen Einzelanalysen in folgender Reihenfolge aufgestellt: MWS, ÜFD, REZENT, ÜF>50, STAB, RAND, INTENS, ALT. Der mittlere Grundwasserstand zeigt also die engste Beziehung zu den Artdaten. Durch die forward selection werden nun schrittweise MWS, REZENT und INTENS für die darauf folgende CCA ausgewählt, alle anderen Variablen liefern keinen darüber hinausgehenden signifikanten Anteil an erklärter Varianz. Allerdings hat die nominale Variable REZENT an sich keinen ökologischen Effekt, sondern sie steht stellvertretend für verschiedene ökologisch wirksame Umweltfaktoren, z. B. den Wasserstandsschwankungsgradienten STAB, welcher allerdings durch forward selection ausgeschlossen wurde. Dieser ist für die Interpretation des Artmusters aber von wesentlicher Bedeutung.

8.4 Überprüfung einer CCA Die kanonischen Ordinationen machen lediglich Aussagen über die Bedeutung der verfügbaren Umweltvariablen für die Artenzusammensetzung. Woher wissen wir aber, dass die Variablen, die wir gemessen haben, auch wirklich die sind, die das Muster in unserer Artenzusammensetzung hauptsächlich bestimmen? Diese Frage ist mit der Durchführung einer CCA allein nicht zu beantworten. Vielmehr müssen hier die Ergebnisse der indirekten Gradientenanalyse vergleichend mit hinzugezogen werden. Ein Hinweis darauf, ob die wesentlichen Umweltvariablen erfasst worden sind, gibt der Vergleich des Art- und Aufnahmemusters von DCA und CCA. Wenn die Umweltvariablen in Beziehung zur Hauptvariation in der Artenstruktur stehen, liegen Arten und Aufnahmen in DCA und CCA ungefähr in gleicher Position in Bezug zu den Achsen. Das ist in unserem Beispiel der Fall (vgl. Abb. 7.4 und 8.2 a, b; Spiegelung der Achsen ist unerheblich). Anders sieht es aus, wenn die Umweltvariablen, die stark mit der ersten Achse (also mit der Hauptdifferenzierung der Arten) korreliert sind, fehlen. Nehmen wir einmal an, die Variablen MWS, ÜFD und ÜF>50 wären bei unserer Elbauenuntersuchung nicht mit aufgenommen worden. Bei

8.4 Überprüfung einer CCA

101

0.8

der entsprechenden CCA zeigt sich die zweite Achse von Abb. 8.2 als erste Achse, da nun STAB zusammen mit den Variablen des Auentyps am stärksten mit der Artenvariation in Beziehung steht (Abb. 8.3). Die Unterschiede im Artenmuster zwischen DCA und CCA sind dann sehr groß, die wichtigsten Umweltvariablen sind nicht mit erfasst worden. Liegen die Eigenwerte der CA/DCA und CCA für die jeweilige Achse in einer ähnlichen Größenordnung, ist dies ebenfalls ein Hinweis darauf, dass die erhobenen Umweltvariablen in Beziehung zum Hauptmuster der Artenzusammensetzung stehen (Tabelle 8.2). Die Eigenwerte der CA sind dabei aber immer etwas größer als die entsprechenden Eigenwerte der CCA.

Caltpalu Carevesi Siumlati

Careprae

Agrocani

CCA-Achse 2

REZENT

RAND Agrorepe

Caregrac

STAB

Stelpalu Alopprat

Junceffu

Rumeacet Holclana Cardprat Ranuflam

Planinte RorisylA

Poteanse

Poa palu

Desccesp

Ranurepe Trifrepe

Cirsarve

-1.0

Carevulp Poterept

-1.0

ALT

Lathprat

INTENS CCA-Achse 1

1.0

Abb. 8.3. CCA-Diagramm des Elbauendatensatzes mit Artwerten und einem Teil der Umweltvariablen. Die Umweltvariablen, die eng in Beziehung zur ersten Achse aus Abb. 8.2 stehen, sind nicht mit aufgenommen. Deutlich verschiebt sich dadurch das Artenmuster. Die Variable STAB ist nun nicht mehr mit der zweiten, sondern mit der ersten Achse eng korreliert. Die Eigenwerte der ersten/zweiten Achse sind deutlich geringer als bei der CCA aus Abb. 8.2: 0.415/0.248; nur 25 Arten dargestellt

102


Bei der DCA ist dies i. d. R. auch der Fall, manchmal allerdings können DCA-Eigenwerte der zweiten oder einer höheren Achse geringer als die Werte für die entsprechenden CCA-Achsen ausfallen. Wir konnten dies bei Daten beobachten, die in der CCA einen Arch-Effekt hervorriefen, der nicht auf ein mathematisches Artefakt zurückzuführen war, sondern durchaus eine ökologische Bedeutung hatte. Das ist dann der Fall, wenn z. B. eine unimodale Beziehung zwischen 2 wesentlichen Umweltvariablen vorliegt, die mit der ersten und zweiten Achse korrelieren. In diesem Fall führt das detrending bei der DCA zur Zerstörung eines „echten“ Bogens, so dass die zweite DCA-Achse eine geringere Bedeutung als bei der CCA bekommt. Einem Arch-Effekt in der CCA sollte man daher Aufmerksamkeit schenken, es handelt sich meist um ein ökologisch interpretierbares Muster (Ausnahmefälle können auf zu viele und redundante Variablen zurückzuführen sein; s. oben). Der erhöhte CCA-Eigenwert der zweiten Achse im Vergleich zur DCA scheint geeignet, hierüber Aufschluss zu geben. Höhere CCA-Eigenwerte der dritten und vierten Achsen, wie sie im Elbauendatensatz auftreten, lassen sich dagegen kaum interpretieren. Aufschluss über die Bedeutung der gemessen Variablen für die Variation in der Artenzusammensetzung kann auch der Vergleich von Korrelationen zwischen den einzelnen Umweltvariablen und den Achsen der DCA und CCA geben (Tabelle 7.1 und Tabelle 8.1: Intraset-Korrelation). Sind diese ähnlich, ist ebenfalls davon auszugehen, dass die wesentlichen Umweltvariablen in die Analyse implementiert wurden. Es gibt also einige Möglichkeiten, die Bedeutung der gemessenen Umweltfaktoren für die Variation in der Artenzusammensetzung bei der direkten Gradientenanalyse abzuschätzen. Und trotzdem: Auch wenn wir feststellen, dass die aufgenommenen Umweltvariablen in Beziehung zum Hauptmuster stehen, kann uns kein Analyseverfahren verraten, ob diese wirklich die direkt wirksamen Umweltfaktoren sind oder ob sie „nur“ mit den wirksamen eine enge Korrelation aufweisen. Ein Beispiel: Die Bodenfeuchte in Niedermooren ist meist stark positiv mit dem Kohlenstoffgehalt korreliert, d. h. je höher der Wasserstand, desto stärker der Luftabschluss und desto stärker die Akkumulation der organischen Substanz aufgrund mangelnder mikrobieller Aktivität. Nehmen wir bei einer Vegetationsuntersuchung den Kohlenstoffgehalt als Variable auf, so wird dieser bei der CCA vermutlich einen sehr langen Vektorpfeil entlang der ersten Achse besitzen. Tatsächlich ist es aber vielleicht nicht der Kohlenstoffgehalt sondern vielmehr der Wassergehalt des Bodens, der die (wahrscheinlich große) Variation in der Artenzusammensetzung erklärt. Das ist das alte Problem von Korrelation und Kausalität. Hier hilft nur biologische Sachkenntnis, um die ökologischen Zusammenhänge hinter dem Vegetations-Standort-Muster zu verstehen.

8.4 Überprüfung einer CCA

103

Insgesamt ist festzuhalten, dass die CCA keine vermeintlich überlegene Alternative zur CA/DCA ist, sondern ein komplementäres Verfahren mit anderer Zielsetzung. Indirekte und direkte Ordinationen durchzuführen und die Ergebnisse miteinander in Beziehung zu setzen, ist daher in den meisten Fällen sinnvoll, zumindest, wenn es darum geht zu prüfen, ob die für die Artenzusammensetzung relevanten Variablen aufgenommen wurden (Okland 1990, 1996). Mit der CCA kann außerdem die Hypothese geprüft werden, dass die Artenzusammensetzung von bestimmten Umweltvariablen abhängt, deren Beziehung nicht offensichtlich ist und daher in einer (D)CA oft unsichtbar bleibt. Als Alternative bietet sich hier allerdings auch ein Mantel-Test an (Kap. 17.3). Ein weiterer Einsatzbereich ist die Quantifizierung der Bedeutung von Gruppen erklärender Variablen (z. B. Nutzungs- gegen Umweltvariablen) für die Artenzusammensetzung mit Hilfe der partiellen kanonischen Korrespondenzanalyse. Hierbei wird die Gesamtvarianz in den Artdaten auf die jeweiligen Variablengruppen aufgeteilt (variance partitioning, Kap. 11.4). Auch zur Vorhersage von Artenzusammensetzungen auf Basis von Umweltvariablen findet die CCA Verwendung. Dabei dient die Kanonische Korrespondenzanalyse zur Entwicklung des Modells der Art-Umwelt-Beziehungen. Dieses wird dann auf Räume übertragen, für die nur die Umweltvariablen bekannt sind (z. B. Dirnböck et al. 2003; Ohmann u. Gregory 2002).

9 Hauptkomponentenanalyse (PCA)

9.1 Das Prinzip – geometrische Herleitung Die Hauptkomponentenanalyse ist eines der ältesten Ordinationsverfahren. Sie wurde in der ersten Hälfte des 20. Jahrhunderts im angloamerikanischen Raum entwickelt, daher stammt die auch in Deutschland häufig verwendete Abkürzung PCA für principal component(s) analysis. Sie ist ursprünglich nicht für ökologische Fragen entworfen worden, lässt sich aber leicht auf diese beziehen. In den meisten Anwendungen in der Ökologie werden Objekte, z. B. Vegetationsaufnahmen, im Raum ihrer Variablen (meist Umweltwerte) analysiert. Wir wollen hier auch mit einer PCA von Umweltvariablen beginnen, denn für die Ordination von Aufnahmen im Artenraum ist die PCA nur unter bestimmten Voraussetzungen geeignet (s. unten). Das Ergebnis ist aber immer ein in seinen Dimensionen reduzierter Raum, der je nach Datensatz möglichst die wichtigsten abiotischen, floristischen oder faunistischen Zusammenhänge abbildet. Der Raum wird hier durch synthetische Achsen aufgespannt; diese Achsen sind die Hauptkomponenten. Die grundlegende Idee ist, dass sich in einer typischen AufnahmeUmweltmatrix viele Umweltfaktoren ähnlich verhalten; dies gilt entsprechend auch für Arten in einer Art-Aufnahme-Matrix (s. Kap. 1.2). Die Variablen sind also untereinander korreliert; ökologische Matrices enthalten viel redundante Information. Die PCA sucht nun neue Achsen, wenn man so will „Supervariablen“, die möglichst effektiv diese Redundanz zusammenfassen. Das mathematische Prinzip der PCA ist etwas komplizierter als bei der CA. Wir wollen hier daher neben der mathematischen zuerst eine geometrische Erläuterung anbieten (in Anlehnung an Backhaus et al. 2003; Kent u. Coker 1992); mathematisch orientierte Leser können diese auch auslassen und direkt zum nächsten Unterkapitel übergehen. Bei der geometrischen Ableitung gibt es im Detail leicht unterschiedliche Methoden zur Berechnung der Kennwerte und Koordinaten; wir wollen hier aber nur das generelle Prinzip verdeutlichen. Wir nehmen den einfachsten Fall: Objekte sollen im Umweltraum analysiert werden. Dazu haben wir aus unserer Sekundärmatrix (Tabelle 1.2) einen kleineren Teil-

106


datensatz ausgewählt (10 Aufnahmen, dazu Variablen STAB, MWS, ÜF>50). Vor der Analyse machen wir alle Umweltvariablen vergleichbar, indem sie alle auf „Mittelwert Null – Varianz Eins“ standardisiert werden (s. Kap. 3.2). Der erste Schritt ist die Berechnung einer Ähnlichkeitsmatrix zwischen den Umweltvariablen, als Ähnlichkeitsmaß dient hier immer der Korrelationskoeffizient nach Pearson; die Ähnlichkeit basiert also auf einem linearen Modell (s. Kap. 2.3). Grundlegend für die geometrische Ableitung der Hauptkomponentenanalyse ist nun die Idee, dass sich PearsonKorrelationskoeffizienten geometrisch in einem Dreieck abbilden lassen. Wir können uns die Umweltvariablen als Vektoren vorstellen, die von einem gemeinsamen Punkt ausgehen. Die Länge der Vektoren ist wegen der vorgeschalteten Standardisierung vergleichbar. Denken wir uns 2 Umweltvariablen, die sich ähnlich verhalten, und deswegen z. B. auf dem Niveau r = 0.64 korreliert sind. Dies wollen wir dadurch symbolisieren, dass die entsprechenden Vektoren relativ nahe beieinander liegen, sie spannen ein schmales Dreieck auf (Abb. 9.1 a). Wenn die Variablen unkorreliert sind, stehen die Vektoren senkrecht aufeinander und wenn sie sich in ihren Werten tendenziell ausschließen, also negativ korreliert sind, sollten die Vektoren in entgegen gesetzte Richtungen zeigen (Abb. 9.1 b, c). Der Winkel Į zwischen den Vektoren hängt also mit der Stärke und Richtung (positiv/negativ) der Korrelation zusammen. Der formale Zusammenhang lässt sich geometrisch ableiten (Abb. 9.2). Wir können ein Lot von dem zweiten Vektor auf den ersten Vektor fällen und so ein rechtwinkliges Dreieck mit den Eckpunkten Ursprung (O), Endpunkt des zweiten Vektors (B) und Schnittpunkt des Lots mit dem ersten Vektor (SA) aufspannen. a

b

c

Abb. 9.1. a, b, c Grafische Darstellung von möglichen Korrelationen zwischen 2 Umwelt- oder Artvariablen

9.1 Das Prinzip – geometrische Herleitung

107

Abb. 9.2. Zusammenhang der Form des von 2 Umweltvektoren aufgespannten Dreiecks mit der Korrelation zwischen den Umweltvariablen. Der Winkel Į ist über den Kosinus mit der Strecke OS A verknüpft, diese kann als Maß für die Korrelation genutzt werden

Ein Vergleich mit Abb. 9.1 zeigt, dass die Strecke OS A offensichtlich mit der Größe von Į variiert. Der Zusammenhang ergibt sich aus schlichter Trigonometrie. Die Strecke OS A ist die Ankathete des rechtwinkligen Dreiecks, die Strecke OB die Hypotenuse, ihr Quotient ist der Kosinus von Į: cos Į = OS A / OB

(9.1)

Da die Strecke OB dank der Standardisierung die Länge 1 hat, ist OS A gleich dem cos Į. Einem Winkel von 50° entspricht dann eine Länge OS A von ca. 0.64. Die Länge von OS schwankt zwischen +1 und –1 und hat damit die Schwankungsbreite des Pearson-Korrelationskoeffizienten, den wir ja eingangs als Ähnlichkeitsmaß gewählt hatten. Wir können also jedem beliebig korrelierten Paar von Variablen ein bestimmtes Dreieck mit einem bestimmten Winkel Į zuordnen. Das geht auch für mehrere Umweltvariablen; in Abb. 9.3 für 3 Vektoren in einem bewusst vereinfachten, 2dimensionalen Fall dargestellt. Die Hauptkomponentenanalyse versucht nun, eine neue Achse zu finden, die möglichst viel der Korrelationen zwischen den Umweltvariablen abbildet. Anders ausgedrückt, über alle Variablen sollte die Summe aller Strecken (genannt EV für Eigenwert/eigenvalue) möglichst groß sein: 2 2 2 EV = OS MWS + OSÜF >50 + OS STAB

(9.2)

Da es auch negative Strecken bzw. Korrelationen geben kann, werden die Werte vor der Aufsummierung quadriert.

108


Abb. 9.3. Grafische Darstellung der Suche nach der optimalen Hauptkomponente (gestrichelt) durch Fällen der von den Umweltvektoren ausgehenden Lote und Addieren der sich ergebenden Strecken. Aus Platzgründen sind nur 2 von vielen Möglichkeiten dargestellt. Die Länge der Umweltvektoren sei eine Standardabweichungseinheit

Das lässt sich prinzipiell durch Ausprobieren lösen. Für die Achse IA (Abb. 9.3) ergibt sich die Summe: EVIA § (-0.52)² + (0.66)² + (0.99)² = 1.69. Für eine andere Achse IB ergibt sich: EVIB § (-0.89)² + (0.12)² + (0.85)² = 1.53. Der zweite Wert ist kleiner; Achse IA ist also besser geeignet. Durch mehrfaches Probieren bzw. Schwenken der Achse lässt sich die optimale Achse finden (das gilt auch im mehrdimensionalen Raum). Dieser Vektor ist die erste Hauptkomponente (principal component I). Hauptkomponenten werden konventionell mit römischen Zahlen nummeriert. Die Hauptkomponenten sind also abstrakte Achsen, zu denen die Umweltvariablen in jeweils unterschiedlich starkem Maß beitragen. Auch hier gilt, dass die Strecke bis zu den Schnittpunkten der Lote der Umweltvektoren ( OSSTAB , OSMWS etc.) mit der Hauptkomponente ein Maß für die Korrelation der einzelnen Umweltvariablen mit dieser Hauptkomponente ist. Diese Korrelationen werden Ladungen genannt. Hat eine Umweltvariable eine hohe Ladung auf einer Hauptkomponente, dann nimmt sie in Richtung der Komponente stark zu (bzw. bei negativem Vorzeichen ab).


109

Tabelle 9.1. Beispiel für eine mögliche Berechnung der Eigenwerte für 2 Kandidaten von Hauptkomponenten. Achse IA bildet mehr Varianz ab (die einzelnen Ladungen werden standardmäßig quadriert, weil auch negative Ladungen möglich sind)

MWS ÜF>50 STAB Eigenwert

Achse IA

Achse IB

(-0.52)² (0.66)² (0.99)² 1.69

(-0.89)² (0.12)² (0.85)² 1.53

Die Ladungen geben also an, welche Variablen stark mit der jeweiligen Hauptkomponente zusammenhängen und werden daher zur Interpretation der Hauptkomponenten genutzt. So bildet Achse IA v. a. Information ab, die mit der Variable STAB zusammenhängt (Abb. 9.3). Die Summe aller Ladungen auf einer Hauptkomponente ist der schon erwähnte Eigenwert, ein Maß dafür, wie viel der ursprünglichen Beziehungen zwischen den Variablen sie abbildet (Tabelle 9.1; auch hier verschiedene Berechnungsmöglichkeiten). Weitere Achsen lassen sich jetzt genauso erzeugen. Die einzige Einschränkung ist, dass sie senkrecht auf der ersten Hauptkomponente stehen sollten, dass sie also unkorreliert sind und unabhängige Information abbilden (Abb. 9.4). Auch hier wird eine neue Hauptkomponente gesucht, für die die Summe der Strecken OS MWSII + OSÜF >50 II + OS STABII maximal ist. Das lässt sich so für weitere Achsen fortsetzen, die dann jeweils senkrecht auf den ersten stehen müssen (Kriterium der Orthogonalität: Kap. 5.2). Ab der dritten, spätestens der vierten Achse wird diese grafische Ableitung unanschaulich, das Problem lässt sich aber mathematisch lösen (s. unten). Da wir im ersten Schritt bereits die aus Sicht der Datenstruktur optimale Achse ausgewählt haben, können höhere Achsen nur kleinere Eigenwerte haben, und sind damit für die Interpretation der Daten immer weniger relevant. Wir haben also im Prinzip eine Dimensionsreduktion erreicht. Da es diese weniger wichtigen Achsen weiterhin gibt, könnten wir auch hier etwas exakter von einer Dimensionskonzentration sprechen, also der Zusammenfassung der redundanten Information durch einige wenige wichtige Achsen, während höhere Achsen (vermutlich) nur irrelevantes Rauschen abbilden (Kenkel u. Orlocci 1986).

110


Abb. 9.4. Auffinden der zweiten Hauptkomponente durch Rotieren von Vektoren in einer Ebene, die senkrecht zu der ersten Hauptkomponente steht

Zusammenfassend können wir also sagen, dass die PCA eine erste Achse extrahiert, die möglichst viel der insgesamt vorhandenen Varianz abbildet. Die zweite Achse bildet dann den maximal möglichen Teil der Restvarianz ab, wobei sie orthogonal zur ersten Achse steht. Die dritte Achse steht wiederum orthogonal auf den beiden anderen, und bildet einen möglichst großen Teil der jetzt noch verbleibenden Restvarianz ab. Die Aufnahmen lassen sich nun in das neue, von den Hauptkomponenten aufgespannte Koordinatenkreuz eintragen. Dazu wird der Wert jeder Umweltvariablen in jeder Aufnahme mit ihrer Ladung auf der jeweiligen Hauptkomponente multipliziert. Da wir die Variablen vorher durch Standardisierung vergleichbar gemacht haben, nutzen wir hier auch die standardisierten Werte. Diese Produkte werden für alle Umweltvariablen addiert, und diese Summe wird als Koordinate für die Aufnahme auf der Hauptkomponente abgebildet. Das verdeutlicht Tabelle 9.2, in der für 2 Aufnahmen die Koordinaten für die erste Achse berechnet wurden. Der Prozess lässt sich analog für weitere Achsen fortsetzen, so dass eine entsprechende Grafik erstellt werden kann. Die letzte Frage ist die nach der Güte der Ordination. Diese ist wichtig, denn nicht jedem Datensatz liegen einige wenige Hauptgradienten zugrunde. Die Ordination wird zwar auch in diesem Fall Hauptkomponenten finden, nur bilden diese dann geringe Teile der ursprünglichen Varianz im Datensatz ab. Die erste Frage ist also, wie groß die ursprüngliche Varianz ist. Wären alle Variablen zu 100 % miteinander korreliert, dann sollte die PCA nur eine einzige Hauptkomponente finden, auf der alle Arten die La-


111

dung 1.0 hätten; für 3 Variablen wäre dann der maximal mögliche Eigenwert = (1.0)² + (1.0)² + (1.0)² = 3. In manchen Computerprogrammen wird dieser maximale Eigenwert durch die Zahl der Variablen geteilt, die maximal mögliche Varianz beträgt dann immer 1. Dieser maximale Wert wird in der Realität nie erreicht. Trotzdem ist das Verhältnis von beobachtetem Eigenwert zu maximal möglichem Eigenwert ein Maß für die Bedeutung der Hauptkomponente. In unserem Beispiel (Tabelle 9.1) wäre die Bedeutung 1.69/3 § 0.56 oder 56 %. Die alternative Achse hätte demgegenüber nur 1.53/3 § 0.51 oder 51 % der Varianz abgebildet. In diesem Zusammenhang wird auch von Prozent erklärter Varianz gesprochen, also dem Anteil der Gesamtvarianz, der auf die jeweilige Achse entfällt. Dieser Anteil wird von den meisten Programmen für alle Achsen berechnet und im Ergebnisteil aufgeführt. Je nach Struktur der ursprünglichen Daten können die kumulierten erklärten Varianzen für die ersten beiden Achsen deutlich über 50 % der Gesamtvarianz liegen; in unserem nahezu idealen Fall waren es mehr als 98 %. Bei anderen Daten können es aber auch weniger als 10 % sein. In so einem Fall hat die PCA kaum Dimensionsreduktion gebracht und war damit erfolglos. Eine letzte wichtige Frage ist, ob nur Objekte oder auch Variablen dargestellt werden sollen. Dies mag erstaunen, denn die PCA versucht ja ausdrücklich, nur Objekte im Variablenraum darzustellen. Anders als bei der Korrespondenzanalyse gibt es also nur für die Objekte Koordinaten (Tabelle 9.2). Woher kommen die Werte für die Variablen? Hier können wir die Ladungen nutzen. Die Ladungen zeigen uns, in welche Richtung die Variablen in Bezug auf die gewählten Hauptkomponenten zunehmen, außerdem ist die Größe der Ladungen ein Maß für die Stärke des Zusammenhangs. Auf dieser Basis lassen sich die Variablen über das Ordinationsdiagramm der Aufnahmen legen, es entsteht ein biplot (Kap. 7.1, weitere Details bei Lepš u. Šmilauer 2003; ter Braak u. Šmilauer 2002). Tabelle 9.2. Berechnung der Koordinaten für 2 Aufnahmen O1 und O2 auf der ersten Hauptkomponente (PC I) aus Tabelle 9.1 (z. B. für O1 und MWS (-0.52) · (-1.76) = 0.92) Ladungen PC I MWS -0.52 ÜF>50 0.66 STAB 0.99 Koordinaten PC I

Wert O1 standardisiert -1.76 -0.73 0.82

Werte PC I 0.92 -0.48 0.81 1.25

Ladungen PC I -0.52 0.66 0.99

Wert O2 standardisiert 0.97 -0.73 -1.03

Werte PC I -0.50 -0.48 -1.01 -1.99

112


9.2 Das Prinzip – der mathematische Ansatz Die in Computerprogrammen implementierten PCA-Algorithmen arbeiten mit Matrixalgebra oder mit Iterationsverfahren und nicht mit dem dargestellten geometrischen Ansatz. Daher wollen wir hier noch ein stärker mathematisch orientiertes Erklärungsmodell anbieten, wobei wir versucht haben, die Ähnlichkeit zum Algorithmus der Korrespondenzanalyse zu betonen (in Anlehnung an ter Braak 1995). Beginnen wir auch bei der PCA wieder mit unserem Elbauendatensatz, diesmal nutzen wir die Art-Aufnahme-Matrix (Tabelle 9.3). Wir nehmen an, dass sich die Arten linear und nicht unimodal zu den grundlegenden Umweltgradienten und damit den PCA-Achsen verhalten. Wie bei der CA beginnen wir hier zunächst mit der Analyse von Arten entlang eines „echten“ Umweltgradienten, bevor wir das Prinzip auf die Hauptkomponentenanalyse übertragen. Wir verwenden zur Bestimmung einer Regressionsgeraden, die die Art-Umwelt-Beziehung abbilden soll, die Methode der kleinsten Fehlerquadrate (Kap. 2.5). Die Art ist dabei die abhängige, der Umweltfaktor die unabhängige (erklärende) Variable. Wir wählen die Regressionsgerade, welche die Summe der Fehlerquadrate über alle Aufnahmen minimiert (vgl. z. B. Abb. 2.4). Die Methode der kleinsten Fehlerquadrate können wir nun auf den gesamten Datensatz, d. h. auf alle Arten erweitern. Ein Maß dafür, wie gut eine Variable das Verhalten aller Arten (Art 1 bis Art m) erklärt, ist die Summe der Fehlerquadrate der Art 1 plus die Summe der Fehlerquadrate für Art 2 plus die Summe der Fehlerquadrate der Art 3 etc., d. h. die Gesamtsumme der Fehlerquadrate für alle Arten. Wenn die Umweltvariable in enger Beziehung zum Datensatz steht, ist diese Gesamtsumme der Fehlerquadrate entsprechend klein. Das Grundprinzip der PCA ist nun, dass sie eine synthetische Variable generiert, welche die Gesamtsumme der Fehlerquadrate minimiert und somit die Variation in der Artenzusammensetzung bestmöglich darstellt. Dies wird durch die optimale Auswahl neuer Aufnahmewerte erreicht, die dann eine optimale synthetische Achse bilden. Entlang dieser Achse können die Abundanzen der einzelnen Arten abnehmen, d. h. sie sind negativ mit dieser Achse korreliert; sie können zunehmen, d. h. eine positive Korrelation zeigen oder aber stehen überhaupt nicht mit dieser Achse in Beziehung. Ein Maß für diese Beziehung ist die Steigung, d. h. der Regressionskoeffizient, den wir schon in Kapitel 2 vorgestellt haben. Arten, die einen ähnlichen Regressionskoeffizienten aufweisen, verhalten sich also bzgl. dieser Achse ähnlich, während umgekehrt sehr unterschiedliche Werte ein konträres Verhalten zweier Arten andeuten.

9.2 Das Prinzip – der mathematische Ansatz

113

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

Tabelle 9.3. Berechnung der Regressionskoeffizienten b über alle Arten. Beispielhaft sind die zentrierten Abundanzen für Achillea millefolium dargestellt. Dargestellt sind auch die willkürlich gewählten Aufnahmewerte (ĺ) und die daraus durch Zentrierung und Transformation berechneten Anfangswerte für die Iteration Achimill

ĺ x (transf.)

3

MW

b

0.394

-1.463

0.485 0.939 1.848 1.242 0.636 1.727 0.667 0.394 0.455 0.091 1.212 0.485 0.576 0.273 0.273 0.030 0.061 0.667 0.152 0.121 0.091 0.121 0.727 0.545 0.364 0.970 0.606 0.303 0.121 0.152 0.182 1.394 0.273 1.303 1.121 0.606 0.212 0.091 0.303 1.939 0.394 0.394 0.455 0.788 0.333 0.364 0.121 0.394 0.455 0.545 0.030 0.182

-1.481 0.073 -0.457 -0.219 2.102 -1.517 -0.969 0.402 -0.695 0.165 -2.943 -0.183 -1.481 -0.055 0.000 0.091 0.439 1.097 -0.146 -0.110 0.183 -0.311 0.165 0.347 1.316 6.709 -0.494 -0.091 0.165 -0.384 -0.475 -2.815 -0.750 -0.603 -2.157 -0.347 -0.530 0.037 -0.420 1.060 -0.859 0.402 -0.475 -2.633 -0.201 -0.640 0.384 -0.110 -0.494 -0.932 -0.274 -0.256

-0.394 3.606 3.606 -0.394 -0.394 0.606 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 -0.394 0.606 -0.394 -0.394 -0.394 -0.394 2.606 -0.394 -0.394 -0.394

1

4 5 3 4 2 1 1

7 5 6

1

4 4 4 12 4 1 2 5

7 7 1 5

6 1 2

2 1

4

5 8

2 2

6

1

1 4 1

1

1

8 1 1

3 5 5 2 4 5

4

1 3

1 1 4 2 3 2 1 1 1 1 5 6 1 3 1 1 2 1 1 2 7 2 4 3 1 2 2 1 1 7 2 1 1 3 1 4 3 1

1 1 4

1 1 1

8 9 3

1

5

2

1

5 2 3 8 5 6 5 1 1 3 2 4 4 1 2 2 1 1 2 3 1

4 1

1

1 1 1 2 1 2 1

1 1 3 1 1 4 2 1 1

1 1 1 1 5

4 1 1 1

1 4 1 1

1

4

1 1 5 2

3 5 1 2

2 1

1 1 1 1 2 3 1 1 1 1 1

3

1

1 3 1 1 2

1 4

2

2 1 2 2 3 11 1 1 1 1 4 2 1 1 3 1 2 4

1 1

1 1 3 2 4 2

1

1 1 3 2 1 5 6 1 2 1

1 1 3 1

1 1

5 3 9 5

7 1 2 3

1 4 2 1

1

11

1

2 6 1 4 1 1 1 1 1 1 1 1 1 1 11 8 2 1 1 2 1 1 6 1 1 3 1 1 1 4 1 1 1 6 2 4 1 6 3 3 1 1 4 2 2 4 2 2 2 3 3 1 1 1 2 1 1 1 1 3 1 4 1 3 3 5 4 4 2 6 9 9 4 7 1 1 2 1 1 1 3 4 4 4 1 1 3 2 4 1 1 3 2 1 1 1 1 1 1 1 2 1 1 3 1 1 1 1 1 1 2 1 1 4 4 1 1 9 4 1 2 2

1

1 1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

Agrocani Agrocapi Agrorepe Agrostol Alopgeni Alopprat Anthodor Caltpalu Cardprat Caredist Caregrac Careprae Carevesi Carevulp Cirsarve Cirslanc Cniddubi Desccesp Eleounig Eropvern Euphesul Festprat Galipalu GaliverA Glycflui Glycmaxi Holclana Junceffu Lathprat Lotucorn Lychflos Phalarun Planinte Poa palu Poa praA Poa triv Poteanse Poterept Ranuflam Ranurepe Roriamph RorisylA Rumeacet Rumethyr Siumlati Stelpalu Sympoffi TaraoffA Trifrepe Vicicrac Vicilath Vicitetr

1

-0.293 -0.274 -0.256 -0.238 -0.219 -0.201 -0.183 -0.165 -0.146 -0.128 -0.110 -0.091 -0.073 -0.055 -0.037 -0.018 0.000 0.018 0.037 0.055 0.073 0.091 0.110 0.128 0.146 0.165 0.183 0.201 0.219 0.238 0.256 0.274 0.293

Achimill (zentriert)

4 4

114


Dieser für jede Art berechenbare Regressionskoeffizient entspricht der schon im geometrischen Ansatz vorgestellten Ladung. Das Verfahren zur Berechnung der entsprechenden Aufnahme- und Artwerte ist im Prinzip eine Erweiterung der Methode der kleinsten Fehlerquadrate. Das konkrete Vorgehen ähnelt dem Prinzip der Erstellung der CA-Achsen (vgl. Abb. 8.1 und Abb. 10.1). 1. Schritt: Wir wählen willkürliche, aber ungleiche AnfangsAufnahmewerte aus. 2. Schritt: Wir berechnen eine Geradengleichung für jede Art, um den Regressionskoeffizienten b (Kap. 2.5) als Artwert zu erhalten. Die Gleichung wird vereinfacht, wenn wir uns nicht um den Schnittpunkt der Regressionsgeraden kümmern müssen. Dies erreichen wir, indem sowohl die Abundanzen der Arten als auch die Aufnahmewerte zum Mittelwert Null zentriert werden (vgl. Kap. 3.2). Der Schnittpunkt liegt dann im Ursprung, d. h. ist Null. Die Berechnung des Regressionskoeffizienten b (vgl. Kap. 2.5) wird weiterhin vereinfacht, wenn wir zusätzlich die Aufnahmewerte transformieren: n

¦ (x

i

− x)2 = 1

i =1

(9.3)

Damit lässt sich die ursprüngliche Formel zur Berechnung des Regressionskoeffizienten b (Gl. 2.6) stark reduzieren. Den Schnittpunkt mit der Y-Achse können wir wegen der Zentrierung ignorieren (da Null, s. oben); nach der Standardisierung der Aufnahmewerte ist der Regressionskoeffizient, also die Steigung der Geraden und damit der Artwert für jede Art k in n Aufnahmen: n

bk = ¦ y ki xi i =1

(9.4)

Für die Art Achillea millefolium in Tabelle 9.3 (zentrierte Daten) erhalten wir also bAchimill = (-0.394) · (-0.293) + (3.606) · (-0.274) + ...+ (-0.394) · (0.274) + (-0.394) · (0.293) = -1.463. Dieser Prozess wird als gewichtete Summation (weighted summation) bezeichnet. 3. Schritt: Nachdem nun Artwerte verfügbar sind, werden neue Aufnahmewerte bestimmt. Wir kennen ja die Geradengleichung, die den Zusammenhang von einer bestimmten Art mit einer ökologischen Achse beschreibt. Wir kennen auch den Regressionskoeffizienten (bk) und können daher durch die Abundanzen der Art auf den Aufnahmewert rückschließen. Dies wird als Kalibrierung bezeichnet. In unseren speziellen Fall bedeutet dies für jede Aufnahme i für m Arten:

9.3 Optionen bei einer PCA

115

m

xi = ∑ y ki bk k =1

(9.5)

Dies sind unsere neuen Aufnahmewerte. Wie in der CA findet in der PCA eine wechselseitige Neuberechnung der Aufnahme- und Artwerte statt, nur dass hier nicht die Berechnung der gewichteten Mittel, sondern die Berechnung der gewichteten Summen die Basis jedes Iterationszyklus ist. Wie in der CA werden so lange Iterationszyklen durchlaufen, bis sich die Arten- und Aufnahmewerte stabilisiert haben. Die Artwerte entsprechen dann den schon erwähnten Ladungen (s. oben), sind also ein Maß für den Zusammenhang der Arten mit den jeweiligen Achsen; diese Achsen sind die Hauptkomponenten. Eine zweite Achse wird analog dem Vorgehen in der CA generiert (Orthogonalisierung: Kap. 6.1). Anders als in der CA entsteht keine Diagonalstruktur in der Datenmatrix, auch sind die seltenen Arten meist nicht außen, sondern in der Mitte der Matrix zu finden (Tabelle 9.4). Wie in den Korrespondenzanalysen ergeben sich aus den abschließenden Artwerten (hier also den Ladungen) und den Aufnahmewerten die Positionen im Ordinationsdiagramm. Demnach sind z. B. Alopecurus pratensis und Potentilla reptans eng positiv mit der ersten Achse korreliert; Rumex thyrsiflorus und Carex praecox korrelieren mit der zweiten Achse, da ihre Ladungen dort entsprechend hoch sind (Abb. 9.5 b). Galium palustre ist dagegen eng negativ mit der zweiten Achse korreliert. Sind Arten und Aufnahmen zusammen in einem biplot dargestellt, folgt die Interpretation der Grafik den üblichen Prinzipien der Biplot-Regel, die in Kapitel 7.1 beschrieben wurden (Details: Lepš u. Šmilauer 2003; ter Braak u. Šmilauer 2002). Die ökologische Interpretation des Ordinationsdiagramms fällt für unser Beispiel allerdings schwer, da – wie wir unten sehen werden – die PCA kein geeignetes Verfahren bei der Analyse unseres Datensatzes ist.

9.3 Optionen bei einer PCA Fast alle Statistikprogramme können eine PCA berechnen. Nachdem die Daten in die entsprechende Software importiert wurden, müssen üblicherweise einige Optionen gewählt werden. Die wichtigsten betreffen die Fragen nach Anpassung an Normalverteilung, Standardisierung und Zentrierung. Alle 3 Verfahren beziehen sich in der PCA normalerweise auf die Variablen und nicht auf die Objekte, es werden also z. B. die Deckungswerte innerhalb einer Art standardisiert.

116


8 32 33 18 7 30 1 27 24 17 13 12 14 3 21 4 2 16 31 22 29 10 23 26 28 15 20 5 11 6 19 9 25

Tabelle 9.4. Arten und Aufnahmen, geordnet nach ihren abschließenden Artenund Aufnahmewerten in der PCA (symmetrische Skalierung nach ter Braak und Šmilauer 2002)

x

8 1 5 4

1 3 5 5 4 6 4 11

4 7 1 3

1

4 7 1

2 1 1 3

1 2 2

1 1

2 1

1 4

2

4 3 1 4 4 1 4 6

1

1 2 1

1 3

1 2 1

1 1 3

1 1 1

2

5 1 2

1 1

3

1

1

2

1

2 1 1

4

6 1

4 1 4 4 1 1 4 1 2 2 3 3 4

2 1

2 1

1 7 1

1 1 1 3 1 2

1 1 2 1 4 8 1 4 1 2 2 1 1 2 1 1 1 1

1 1 5 2 1 1 1

1 1 1 1

1 6

1

1

3 2

7

4

1 1 1

4 1 8

1 1

3 1 2

1 4 3 1 2 3

1

1 2

1 2 8

1

5 3

3 1 1 1 6

3 2 2 2 3 2 4 1 3 1

1

1 6 1 1 1 2

8 1 1

1

1 1

3 1

3

1

1 1

1

1

1

1

1 4 4 1

1

1 1

1 3 1 2

2 4

1 5

11

5 3 4

2 3

12

1

1 1

1 1 9

1

1 5 1 2

2

5

1 4

1

1

1

1

1 2 1 1 4 1 3

1 1

1

4 4 1 1 1 1 1

2

2 1

1 2

1 1

2

2 1 1

2

3 1 1 1 1 1 1 1

1

3

3 1 1 2 1 6 2 3 2 3 4

1

5 3 2

2

1 5

1 6 6

2 1 4 2 1 1 5 3 1 1 5

1 1 1 1 1 1 9 4 1 4 1 1 2 2 1 1 1 1 3 1 2 4 1 6 9 9 5 7 4 5 3 1 3 4 5 7 5 7 4

2 4

4 1 3 4 4 1 1 11

4 2

2 2 2 1 1 2 9 3 4 1 6 5 5

-0.804 -0.794 -0.789 -0.695 -0.667 -0.616 -0.605 -0.533 -0.521 -0.507 -0.451 -0.407 -0.405 -0.346 -0.340 -0.267 -0.247 -0.104 -0.064 0.056 0.061 0.146 0.173 0.366 0.567 0.607 0.674 0.764 0.956 0.980 1.056 1.303 1.454

Caregrac Anthodor Glycmaxi Agrocani Carevesi GaliverA Rumeacet Holclana Festprat Lychflos Agrocapi Siumlati Junceffu Cardprat Ranuflam Caredist Vicitetr Caltpalu Poteanse Lathprat Galipalu Glycflui Roriamph Achimill Lotucorn Vicilath Euphesul Cirsarve Stelpalu Desccesp Cirslanc Cniddubi Sympoffi Eropvern Eleounig Vicicrac Rumethyr Phalarun Trifrepe Alopgeni Careprae Poa praA Agrostol Carevulp Planinte TaraoffA Ranurepe Poa triv RorisylA Poterept Poa palu Agrorepe Alopprat

b -0.626 -0.582 -0.539 -0.492 -0.480 -0.465 -0.436 -0.389 -0.363 -0.339 -0.315 -0.310 -0.290 -0.289 -0.286 -0.259 -0.214 -0.211 -0.180 -0.174 -0.159 -0.138 -0.126 -0.119 -0.117 -0.103 -0.098 -0.073 -0.057 -0.024 0.023 0.025 0.045 0.090 0.126 0.206 0.216 0.241 0.265 0.342 0.482 0.492 0.564 0.657 0.743 0.798 0.807 0.808 0.819 0.946 1.065 1.115 1.255

1.5

1.5

9.3 Optionen bei einer PCA REZENT

a

ALT

2 27

28

16

5

b Rumethyr Careprae

RAND

29

Agrocapi

6 15

3

Poa praA

32

Alopprat

24 20 14 21

18 7

17 13

31 25

10 22

12

8

11

23

4

Poterept RorisylA Planinte Poa triv Poa palu

19 9 Caregrac Galipalu

Phalarun Ranurepe

-1.5

-1.5

26

-1.0 1.0

Agrorepe

PCA-Achse 2

PCA-Achse 2

301

33

117

c

PCA-Achse 1

1.5

-1.0

PCA-Achse 1

1.5

16

1

56 2

11 9

25

10

19 27 PCA-Achse 2

12 29

31

15 23

24

28 3 30

32

14 20 7

18

13 21

REZENT

26

ALT

-1.0

8 22 -1.5

4

17

PCA-Achse 1

33

RAND

1.5

Abb. 9.5. Hauptkomponentenanalyse der Elbauendaten (Artdaten zentriert). a Streudiagramm mit Aufnahmekoordinaten, b Streudiagramm mit Artkoordinaten, der Übersichtlichkeit halber nur 15 Arten, (Achse 1: Eigenwert 0.181 / erklärte Varianz 18.1; Achse 2: 0.151 / 15.1; Achse 3: 0.114 / 11.4). c Streudiagramm der Aufnahmen, wenn statt Arten Umweltvariablen genutzt werden (Umweltvariablen zentriert und standardisiert; Achse 1: Eigenwert 0.429 / erklärte Varianz 42.9; Achse 2: 0.307 / 30.7; Achse 3: 0.177 / 17.7; nominale Variablen sind nicht in die PCA eingegangen)

Im ersten Schritt werden die Daten häufig normalisiert. Die PCA geht ja von parametrischen Pearson-Korrelationen aus, daher ist es i. d. R. günstig, die Daten vorher durch z. B. Logarithmieren an eine Normalverteilung anzupassen (Kap. 3.1, McCune et al. 2002). Andere Autoren schlagen alternativ vor, die Daten im ersten Schritt auf multivariate Normalität hin zu untersuchen, was allerdings aufwändig ist und nur indirekt geht (Details: z. B. McGarigal et al. 2000). In der Praxis reicht es meist, das Ordinationsdiagramm auf Ausreißer zu untersuchen. Diese haben oft extreme Werte

118


und weisen auf stark schiefe Verteilungen in den Variablen hin. Hier hilft meist die beschriebene Logarithmierung oder die Entfernung der Ausreißer. Unter Standardisierung ist hier die Methode „Mittelwert Null – Varianz Eins“ gemeint. Diese Standardisierung ist i. d. R. nötig, wenn die Variablen in unterschiedlichen Einheiten gemessen wurden, ansonsten würden ja „Äpfel mit Birnen“ verglichen (Kap. 3.2). Nach Standardisierung ist es auch prinzipiell möglich, in einer Analyse sowohl ratio- als auch nominalskalierte Variablen zu verrechnen, auch wenn gelegentlich Einwände gegen die Nutzung solcher gemischter Datensätze erhoben werden (McGarigal et al. 2000). Abundanzen von Arten sind dagegen i. d. R. in vergleichbaren Einheiten (z. B. Individuenzahl, Deckung etc.) angegeben; hier ist eine Standardisierung nicht nötig. Sie kann sogar ungünstig sein, weil die Standardisierung die Effekte möglicher Transformationen verwischt (Franklin et al. 1995). Noch etwas Terminologie: Wenn die PCA mit standardisierten Daten durchgeführt wird, bildet sie die Korrelationen zwischen den Arten ab; sie wird dann auch Korrelationsmatrix-PCA genannt. Diese Standardisierung beinhaltet eine Zentrierung zum Mittelwert Null, im zweiten Schritt werden die Variablen dann noch auf die Varianz bezogen (Kap. 3.2). Der zweite Schritt ist nur nötig, wenn die Variablen auf unterschiedlichen Skalen gemessen wurden. Der erste Schritt, die Zentrierung, ist praktisch für alle Fälle angezeigt; von unzentrierten Hauptkomponentenanalysen wird abgeraten (McCune et al. 2002). Wurde nur zentriert, basiert die PCA auf einer Varianz-Kovarianz-Matrix. Für Artdaten mit gleicher Abundanzskala wird also i. d. R. eine Varianz-Kovarianz-Matrix analysiert. Bei der Erstellung der Ordinationsdiagramme stellt sich (bei einer 2dimensionalen Darstellung) die Frage, welche Achsen interpretiert bzw. dargestellt werden sollen. Hier können die Anteile abgebildeter Varianz zur Entscheidung beitragen, die für eine PCA der Elbauendaten in Tabelle 9.5 zusammengefasst wurden. Die erste Hauptkomponente bildet ca. 18.1 % der Gesamtvarianz ab, die zweite 15.1 % und die dritte noch 11.4 %. Hauptkomponenten höherer Ordnung sind weniger wichtig. Wenn überhaupt, lohnt es sich in unserem Beispiel nur, die ersten 3 Achsen anzuschauen, allerdings geben sie nur etwa 44.6 % der floristischen Variabilität wieder. Eine Auswertung der ersten 3 Achsen ignoriert also große Teile der möglicherweise interessanten ökologischen Information. Anders ausgedrückt: Die Dimensionsreduktion war in unserem Beispiel mäßig effektiv. Trotzdem lässt sich natürlich immer ein Diagramm zeichnen (Abb. 9.5 a, b). Regeln dafür, wie viele Achsen interpretiert werden sollen, diskutieren auch Franklin et al. (1995). In ökologischen Anwendungen werden

9.4 Stärken und Schwächen der PCA

119

meist nur die ersten 2-4 Achsen interpretiert, und oft werden dann auch nur diese berechnet. Weitere Optionen bei einigen Programmen betreffen die Skalierung der Achsen im endgültigen Diagramm (z. B. CANOCO, s. Kap. 10; diese Optionen sind aber von untergeordneter Bedeutung). Schließlich gilt die grundsätzliche Regel, dass Variablen in linearen Ordinationsmethoden als Vektoren dargestellt werden, in unimodalen Ordinationsmethoden (Kap. 6) als Zentroide (vgl. punktförmige Darstellung der Artwerte z. B. in Abb. 8.2 a). Tabelle 9.5. Zusammenfassung der erklärten Varianzen und Ladungen für die ersten 4 Achsen der PCA der Elbauendaten (Abb. 9.5 a, b). Exemplarisch wurden Ladungen für einige Arten dargestellt Eigenwerte % erkläre Varianz kumulativ Ladungen Achi mill Agro cani Agro capi Agro repe Agro stol Alop geni Alop prat Anth odor

Achse 1 0.181

Achse 2 0.151

Achse 3 0.114

Achse 4 0.085

18.053

33.128

44.511

53.049

-0.119 -0.492 -0.315 1.115 0.564 0.342 1.255 -0.582

0.615 -0.485 0.929 0.766 -0.258 -0.500 0.407 0.230

-0.006 -0.455 -0.129 -0.346 1.213 1.016 -0.461 -0.340

-0.263 -0.437 -0.235 0.342 -0.758 -0.439 0.215 -0.606

9.4 Stärken und Schwächen der PCA Hauptkomponentenanalysen spielen bei Analysen von Artdaten nur noch eine geringe Rolle. Der Grund liegt in dem verwendeten Ähnlichkeitsmodell. Die PCA geht von linearen Korrelationen von Arten mit anderen Arten und damit mit den Hauptkomponenten aus. Die Hauptkomponenten sollen dabei die wichtigsten ökologischen Gradienten widerspiegeln. In Kapitel 6.1 haben wir aber ausgeführt, dass Arten häufig ein unimodales Verhalten gegenüber Umweltvariablen zeigen. Haben wir es also mit langen Gradienten und entsprechend heterogenen Daten zu tun, versucht die PCA, überwiegend unimodale Artkurven durch eine Gerade abzubilden – ein hoffnungsloses Unterfangen. Wollen wir dennoch mit der PCA arbeiten, müssen wir den Datensatz in homogene Teildatensätze zerlegen. Meist

120


ist aber eine Analyse mit einem für heterogene Daten geeigneten Verfahren günstiger (CA und verwandte Ordinationen). Es lässt sich zeigen, dass die PCA als Distanzmaß die Euklidische Distanz abbildet, ähnlich wie die CA implizit die Chi-Quadrat-Distanz darstellt. Mit dem verwendeten Distanzmaß hängt auch zusammen, dass wir in der PCA nicht nur wie bei der CA häufig einen Arch-Effekt beobachten, sondern dass der Bogen sogar an den Enden eingekrümmt ist, die ganze Ordination also häufig hufeisenförmig ist (Horseshoe-Effekt, Abb. 9.6). Hier sind, anders als bei der CA, also nicht nur die relativen Abstände der Objekte verzerrt, sondern an den Enden stimmt nicht einmal die relative Reihenfolge der Objekte. Die am weitesten entfernten Aufnahmen werden also unproportional nah beieinander angeordnet; dies lässt sich mit den Eigenschaften des verwendeten Distanzmaßes erklären. Wie in Kapitel 4.4 beschrieben, wird bei der Euklidischen Distanz gemeinsames Fehlen von Arten als fehlende Distanz, also in gewisser Weise Ähnlichkeit gewertet; bei sehr langen Gradienten bzw. sehr heterogenen Datensätzen ist das ein großes Problem. Als Folge entsteht der Horseshoe-Effekt: Aufnahmen ohne gemeinsame Arten liegen näher beieinander als weniger unähnliche Aufnahmen. Unter welchen Bedingungen lassen sich Hauptkomponentenanalysen überhaupt noch sinnvoll nutzen? Auch das lässt sich aus dem bereits Gesagten ableiten. Wenn die floristischen Gradienten sehr kurz sind, dann werden die meisten Arten nur einen Teil ihres unimodalen Verhaltens gegenüber dem Gradienten zeigen. Das ist z. B. dann der Fall, wenn wir in dem in Kapitel 6 besprochenen Grundwassergradienten nur den mittleren Teil betrachten. In Abb. 9.7 wurden die äußeren Teile des Gradienten maskiert, auf dem freien Stück in der Mitte zeigen viele Arten nun sehr wohl ein lineares Verhalten. Nur eine Art zeigt weiterhin eine deutliche unimodale Artreaktion. Da die meisten Arten an den meisten Standorten entlang dieses Gradienten vorkommen, gibt es wenig Nullwerte, der Datensatz ist also homogen. In so einem Fall kann eine PCA einer Ordination auf Basis eines unimodalen Modells (CA, DCA) überlegen sein. Ein Gradient kann dann als kurz gelten, wenn die meisten Arten weniger als die Hälfte einer vollen unimodalen Antwortkurve durchmessen; anders ausgedrückt, wenn auch die unähnlichsten Objekte noch mehr als die Hälfte ihrer Arten gemeinsam haben. Diese Information lässt sich, wie schon dargestellt, einer DCA (detrending by segments) entnehmen (Kap. 6.3). Wenn die längste Achse weniger als 3 multivariate Standardabweichungen (SD) umfasst, ist es sinnvoll, eine PCA zu versuchen.

9.4 Stärken und Schwächen der PCA

Abb. 9.6. Horseshoe-Effekt bei der PCA einer Petrie-Matrix (Kap. 6.2). Eine ähnliche zirkuläre Struktur ist auch in Abb. 9.5 a zu erkennen

0.8

14

13

12

15

11

PCA-Achse 2

16

10

17

9

18

8

7

19 25

1

20

6 2

24 22

23

3

4

5

-0.6

21

121

-0.6

PCA-Achse 1

0.6

Wenn es nur einige wenige Objekte sind, die den Gradienten stark verlängern, kann es auch sinnvoll sein, diese extremen Ausreißer vor der Analyse zu entfernen und dann mit dem (leicht) reduzierten Datensatz weiterzurechnen. Ausreißer lassen sich direkt im Ordinationsdiagramm untersuchen oder auch auf Basis formalerer Kriterien identifizieren (z. B. Abweichung vom Gesamtmittel des Datensatzes in Standardabweichungen, s. McCune et al. 2002; McGarigal et al. 2000). Mit dem verwendeten Modell hängen auch 2 weitere Anforderungen an den Datensatz zusammen. Da die PCA von einem Regressionsmodell ausgeht, sollten in der Tendenz mehr Objekte als Variablen eingehen (McGarigal et al. 2000). Das wird deutlich, wenn man sich einen Extremfall vorstellt, bei dem das Verhalten von z. B. 20 Arten (Variablen) durch Werte von 2 Aufnahmen (Objekte) berechnet werden soll. Insgesamt zeigen die Ergebnisse der DCA für unseren Elbauendatensatz (Gradientlänge: 6.2 SD) und die Grafik zur PCA (Horseshoe-Effekt, Abb. 9.5 a), dass letztere nicht zur Analyse der beträchtlichen Variation in der Artenzusammensetzung geeignet ist. Anders sieht es aus, wenn wir die abiotischen Variablen in der Sekundärmatrix analysieren. Hier gibt es wenig Nullwerte, und die Idee, dass sich Variablen zueinander linear verhalten, ist plausibel. Wir können also die PCA nutzen, um z. B. zu überprüfen, ob sich die Auenkompartimente hinsichtlich ihrer Standortfakoren unterscheiden. Für die PCA haben wir die nominalen Variablen für das Auenkompartiment (REZENT, ALT, RAND) aus dem Datensatz entfernt, denn wir wollen schauen, ob die anderen Umweltvariablen für sich genommen eine Differenzierung nach dem Auentyp zeigen. Die Werte wurden vorher standardisiert, um sie vergleichbar zu machen (Korrelationsmatrix-PCA).


Vorkommenswahrscheinlichkeit Vorkommenswahrscheinlichkeit 0.2 0.6 1.0 0.0 0.4 0.8 0.0 0.2 0.4 0.6 0.8 1.0

122

-150 -150

Abb. 9.7. Lineare Artreaktionen bei kurzen ökologischen Gradienten. Gegenüber Abb. 6.1 wird hier nur der mittlere Bereich des Gradienten (mittlerer Grundwasserstand, MWS) dargestellt. In diesem engen Bereich zeigen die meisten Arten tatsächlich weitgehend lineares Verhalten

-100 -100

-50 -50

MWS [cm]

Das entsprechende Ordinationsdiagramm (Abb. 9.5 c) zeigt dann auch eine Anordnung der Aufnahmen, bei der die verschiedenen Auenkompartimente gut aufgeteilt werden. Damit ergeben sich die Haupteinsatzgebiete der PCA. Sie ist immer dann angezeigt, wenn wir es mit relativ homogenen Datensätzen zu tun haben. Das ist allerdings bei Artdaten eher selten der Fall. Viel wichtiger ist die PCA dagegen, wenn aus einem großen Set von Umweltvariablen für weitere Rechenschritte die wichtigsten Hauptgradienten extrahiert werden sollen. Erstens sind Tabellen mit Umweltvariablen meist insofern homogen, dass selten Werte für eine Aufnahme gleich Null sind: Es gibt immer einen pH-Wert oder eine Konzentrationsangabe. Zweitens bedeutet ein Phosphatgehalt von Null tatsächlich, dass kein Phosphat vorhanden war. Das Fehlen einer Art als Variable zeigt dagegen oft nichts an (Kap. 4.1). Drittens verhalten sich Messwerte untereinander häufig tatsächlich linear, was ja ebenfalls bei Arten ganz anders ist. Bei Messwerten für Umweltvariablen sind also lineare Abstandsmaße wie die Euklidische Distanz durchaus sinnvoll. Die meisten Anwendungsbeispiele stammen daher auch aus Applikationen bei Messwerten. Sie zeigen dann z. B., dass verschiedene Bodenvariablen stark miteinander korrelieren und sich auf wenige Hauptgradienten reduzieren lassen. Für weitere Analysen kann dann mit den Hauptkomponenten weitergerechnet werden; diese werden über die Ladungen der Messwerte interpretiert. Umstritten ist, ab welchem Wert eine Ladung als interpretationswürdig gelten kann; wir schlagen hier als Faustregel vor, Ladungen kleiner als -0.3 und größer als +0.3 in die Interpretation einzubeziehen (s. a. McGarigal et al. 2000).

9.5 Faktorenanalyse

123

9.5 Faktorenanalyse Der Begriff der Faktorenanalyse ist eng mit der Hauptkomponentenanalyse verknüpft, gelegentlich werden die Verfahren auch als synonym angesehen. Das ist nicht ganz korrekt, auch wenn die prinzipielle Rechenmethode in weiten Teilen identisch ist. Wir haben gesehen, dass die PCA Hauptkomponenten extrahiert, die möglichst viel gemeinsame Varianz zwischen Variablen (z. B. Umweltfaktoren) abbilden. Die Variablen werden also zu synthetischen Komponenten zusammengefasst; die Herausarbeitung der gemeinsamen Varianz ist dabei das Hauptziel. Nun können wir einwenden, dass auch hoch korrelierte Variablen sich immer nur zu einem gewissen Teil identisch verhalten, es bleibt ein Rest eigenständiger Varianz (zumindest solange die Korrelation untereinander kleiner 1 ist). Dieser eigenständige Rest wird bei der PCA auf Hauptkomponenten höherer Ordnung abgebildet, die meist gar nicht erst berechnet, auf jeden Fall aber kaum interpretiert werden. Damit bleibt ein Rest an Information, der in der PCA i. d. R. ignoriert wird. Denkbar wäre nun aber auch, bei der Analyse explizit die eigenständige Varianz einzubeziehen und zu fragen, wie viel der Gesamtvarianz eigentlich gemeinsam ist und wie viel demgegenüber die Variablen eigenständig beitragen. In dieser Unterscheidung liegt auch der (vermeintlich vernachlässigbare) Unterschied zwischen PCA und Faktorenanalyse. Die Faktorenanalyse berücksichtigt explizit die beiden Aspekte, also die gemeinsame Varianz, die dann Kommunalität genannt wird, und die eigenständige Varianz. Ziel ist hier nicht die Zusammenfassung der Daten, sondern eine Abschätzung ihrer Kommunalität und anschließend eine Interpretation der Ursachen für diese gemeinsame Varianz. Der wichtigste Unterschied liegt also in der Fragestellung, nicht in der Berechnung. Werden für eine PCA wirklich alle Hauptkomponenten benutzt, dann wird die eigenständige Varianz der Variablen durch die Verwendung der Komponenten höherer Ordnung berücksichtigt; das Ergebnis entspricht der Faktorenanalyse. Manche Autoren sehen dann auch die PCA als Spezialfall der Faktorenanalyse. In der ökologischen Praxis hat die Faktorenanalyse aber nur geringe Bedeutung, da sie etwas komplexer als die PCA ist und die oben beschriebenen Probleme (Horseshoe-Effekt etc.) mit dieser teilt. Wir wollen hier deswegen nicht näher auf Details eingehen. Eine gut lesbare Einführung findet sich bei Bahrenberg et al. (2003), eine genauere synoptische Betrachtung der beiden Verfahren und ihrer Unterschiede geben Backhaus et al. (2003, dort als Begriffspaar Hauptkomponentenanalyse vs. Hauptachsenanalyse).

10 Lineare Methoden und Umweltdaten: PCA und RDA

10.1 Indirekte Ordination Die Interpretation einer PCA von Arten und Aufnahmen mit Hilfe von zusätzlichen Umweltvariablen gleicht im Prinzip der Interpretation der Korrespondenzanalyse. Die einfachste Methode ist die nachträgliche (post hoc) Korrelation von Umweltvariablen mit den Achsen einer PCA, wie wir in Kapitel 7.3 für die (D)CA gesehen haben. Dies soll hier nicht neu erläutert werden. Es gibt aber auch für die PCA ein Verfahren der direkten Ordination, das einige Verbreitung gefunden hat und hier besprochen werden soll.

10.2 Kanonische Ordination - Prinzip der Redundanzanalyse Die Redundanzanalyse (redundancy analysis, RDA) ist weitgehend analog zur CCA, nur basiert dieses Verfahren nicht auf unimodalen ArtUmweltantworten wie die Korrespondenzanalyse, sondern auf einem linearen Verhalten der Arten entlang der Umweltgradienten. Damit ist die RDA das kanonische Gegenstück zur PCA, so wie die CCA das Gegenstück zur CA ist. Die Methode wurde zwar schon 1964 von Rao beschrieben, doch fand sie erst in den 80er Jahren des 20. Jahrhunderts für ökologische Daten Anwendung. Nehmen wir wieder an, dass wir das Verhalten von verschiedenen Arten durch eine bestimmte Umweltvariable erklären wollen. Also berechnen wir für jede Art getrennt eine Regressionsgerade nach der Methode der kleinsten Fehlerquadrate. Je besser die Daten durch diese Variable erklärt werden, desto kleiner ist die Summe der Fehlerquadrate. Die Gesamtsumme der Fehlerquadrate über alle Arten gibt an, wie gut die Variable den Gesamtdatensatz erklärt. Die PCA ist nun die Methode, welche die synthetische Achse auf der Basis der gewichteten Summation generiert, bei der die

126


Gesamtsumme der Fehlerquadrate (für die Artdaten) minimal wird. Dies wird durch die beste Auswahl an Aufnahmewerten erreicht. Die RDA dagegen sucht, ähnlich wie die CCA (Kap. 8), die synthetische Achse mit der besten Linearkombination der aufgenommenen Umweltvariablen, die wiederum die kleinstmögliche Gesamtsumme der Fehlerquadrate für die Artdaten ergibt. Die RDA minimiert also wie die PCA die Gesamtsumme der Fehlerquadrate. Der Unterschied besteht darin, dass die PCA dies tut, ohne die Umweltvariablen zu berücksichtigen. Es gibt auch hier verschiedene Methoden der Berechnung; wir wählen hier eine iterative Methode, ähnlich wie oben für die PCA beschrieben (Jongman et al. 1995; alternative Wege: Legendre u. Legendre 1998). Die RDA-Achsen werden dabei durch eine Erweiterung des PCA-Algorithmus berechnet, die der Erweiterung des CA-Algorithmus zur Bildung der CCA-Achsen ähnelt (Abb. 10.1). Zunächst werden die Aufnahmewerte als gewichtete Summen der Artwerte berechnet (Schritt 3 des Verfahrens zur Erzeugung der PCA-Achse). Diese Aufnahmewerte werden nun als abhängige Variablen, die Umweltvariablen als unabhängige Variablen in einer multiplen linearen Regression verwendet. Die neuen Aufnahmewerte und damit die RDA-Achsen sind Linearkombinationen der Umweltvariablen. Es handelt sich also bei dieser Methode wie im Fall der CCA um eine constrained ordination. Es gibt bei der RDA also analog zur CCA Aufnahmewerte, die aus den Artwerten errechnet werden (allerdings nicht auf Basis des gewichteten Mittels, sondern der gewichteten Summation; nennen wir sie GS-Werte); und es gibt Aufnahmewerte, die wie in der CCA auch Linearkombinationen der Umweltvariablen sind (LK-Werte, Abb. 10.1).

10.3 Interpretation einer RDA Kennwerte wie Kanonische (Regressions-) Koeffizienten und IntrasetKorrelationen sind genauso wie die entsprechenden Werte der CCA zu interpretieren (Kap. 8.1). Das Ordinationsdiagramm mit Artvektoren und Punkten der Aufnahmewerte sowie der Umweltvariablen wird mit Hilfe der Biplot-Regel (Kap. 7.1) interpretiert. Werden bei der Darstellung im Ordinationsdiagramm die LK-Werte verwendet (Standard), können näherungsweise die angepassten Abundanzen der Arten (und nicht die beobachteten!) abgeleitet werden.

10.3 Interpretation einer RDA 127 PCA

RDA

Willkürliche Auswahl von Aufnahmewerten

Willkürliche Auswahl von LK-Werten

Berechnung der Artwerte als gewichtete Summation der Aufnahmewerte

Berechnung der Artwerte als gewichtete Summation der LK-Werte

Berechnung neuer Aufnahmewerte als gewichtete Summation der Artwerte

Berechnung neuer GS-Werte als gewichtete Summation der Artwerte Berechnung neuer LK-Werte auf Basis multipler Regression

Stabile Werte?

Stabile Werte?

nein ja Stop

nein ja Stop

Abb. 10.1. Vereinfachte Darstellung der Schritte eines Iterationszyklus in PCA und RDA im Vergleich

Wie bei der CCA entscheidet die Wahl der Skalierung der Achsen über die weitere Interpretation (Details: z. B. ter Braak 1994; Lepš u. Šmilauer 2003). Kennwerte, um die Güte des biplot abzuschätzen, sind analog zu denen der CCA und basieren auf den Eigenwerten. Die Eigenwerte liegen bei der RDA niedriger als bei der PCA, wie wir es bei den entsprechenden unimodalen Verfahren schon kennen gelernt haben (Tabelle 10.1). Auch bei der RDA gilt, dass die Variation in der Artenzusammensetzung nur in Beziehung zu den gemessenen Umweltvariablen analysiert wird. Ob diese nun wirklich in Beziehung zur Hauptvariation im Datensatz stehen, ist allein auf Basis der RDA nicht abzuschätzen. Hier müssen die Ergebnisse der entsprechenden PCA mit einbezogen werden, wie wir das beim Vergleich von indirekten und direkten unimodalen Methoden gesehen haben (Kap. 8.4, Abb. 9.5 und Abb. 10.2). Wie schon bei der PCA erläutert, ist die RDA eine geeignete Methode, wenn ein lineares Verhalten der Arten zugrunde gelegt werden kann. Da dies häufig nicht der Fall ist, besitzt das Verfahren für Artgemeinschafts-

128


daten nur begrenzte Relevanz. Wichtiger ist diese Methode z. B. in der Populationsbiologie und -genetik. So können morphologische Variablen (Samengewicht, Blattgröße, Blütenzahl etc.) oder genetische Variablen (Allelfrequenzen) mit Hilfe der PCA analysiert und mit Hilfe der RDA direkt in Beziehung zu anderen Variablen gesetzt werden (z. B. Totland u. Nyléhn 1998). Tabelle 10.1. Eigenwerte von RDA und PCA für den Elbauendatensatz im Vergleich. Ferner sind die Summen aller (kanonischen) Eigenwerte angegeben 1. 2. 3. 4. Summe aller Achse Achse Achse Achse Eigenwerte 0.110 0.102 0.075 0.036 1.000 0.181 0.151 0.114 0.085 1.000

1.0

Eigenwerte RDA Eigenwerte PCA

Summe aller kanonischen Eigenwerte 0.366 -

RAND

MWS

Carevesi Caregrac Siumlati

ALT

Caltpalu

Ranuflam

Euphesul

RDA-Achse 2

Galipalu

ÜFD

Achimill GaliverA Vicitetr Anthodor Alopgeni Ranurepe Agrostol

Careprae

ÜF>50 Poa palu

Rumethyr

Carevulp Planinte Poterept RorisylA

INTENS

Agrocapi Eropvern

Agrorepe Alopprat

REZENT

-1.0

STAB -1.0

RDA-Achse 1

0.8

Abb. 10.2. RDA-Ordinationsdiagramm mit Art- und Umweltvektorpfeilen (Eigenwerte Achse 1: 0.11; Achse 2: 0.10, nur 25 Arten dargestellt)

11 Partielle Ordination und variance partitioning

11.1 Kovariablen Vor allem bei Freilandstudien steht die Variation in der Artenzusammensetzung oft mit einer Vielzahl von Umweltvariablen in Beziehung, aber nicht alle sind von Interesse. Es lohnt sich daher häufig, sowohl bei explorativen Studien als auch bei hypothesengesteuerten Experimenten die Effekte dieser nicht gewünschten Variablen aus dem Datensatz „herauszufaktorisieren“. Diese Variablen werden dann Kovariablen genannt. Das Prinzip dieser partiellen Analysen haben wir schon in Kapitel 2.11 erläutert. Sie spielen auch bei Ordinationen eine große Rolle und können sowohl bei indirekter als auch bei direkter Gradientenanalyse angewendet werden (engl. partial ordination, partial constrained ordination). Welche Gründe gibt es, die Effekte einer Umweltvariablen X, d. h. die Variation der Artdaten, die mit X in Beziehung steht, aus dem Datensatz zu entfernen? Ein Beispiel haben wir schon in Kapitel 2 genannt: Effekte von manchen Umweltvariablen sind so stark, dass die Effekte von anderen, im Mittelpunkt des Interesses stehenden Variablen überdeckt werden. Wollen wir z. B. die Effekte der Nutzungsart und -intensität auf unsere Artengemeinschaften untersuchen, kann es sinnvoll sein, die Effekte der Bodenfeuchte auszuschließen. In ähnlicher Weise hat im Gebirge oft der Höhengradient einen alles überdeckenden Effekt. Werden nun Düngungseffekte im Gebirge analysiert, mag es sinnvoll sein, die Meereshöhe als Kovariable zu verwenden. Auch der Zeitpunkt einer Untersuchung kann natürlich einen Effekt auf die Artenzusammensetzung haben. Wollen wir die Fischgemeinschaften von unterschiedlichen Auengewässern analysieren und nehmen dafür alle 2 Monate Proben, so kann ein Teil der Variation auf den saisonalen Veränderungen zwischen den Datenaufnahmen beruhen. Diese ist dann aus dem Datensatz zu entfernen, um die Effekte der Gewässertypen besser verstehen zu können. Andererseits kann aber gerade die Entwicklung einer Artengemeinschaft während eines Jahres im Mittelpunkt des Interesses stehen. Die Variation zwischen den einzelnen Probeflächen ist dann uninteressant und könnte herausgerechnet werden.

130


Ein weiteres Beispiel: Eine der wichtigsten Annahmen bei der statistischen Auswertung ökologischer Daten ist die räumliche Unabhängigkeit der Daten. Diese ist aber häufig gerade nicht gegeben. Untersuchen wir die Effekte unterschiedlicher Beweidungsregime in 6 Untersuchungsgebieten in der Rhön, so wird ein Teil der Variation in den Daten auf der Variation der unterschiedlichen Untersuchungsgebiete beruhen. Es ist daher sinnvoll, bestimmte räumliche Daten als Kovariablen zu verwenden. Die Notwendigkeit, bei experimentellen Untersuchungen Kovariablen zu definieren, wurde schon in Kapitel 2.11 erläutert. Ein klassisches Beispiel sind hier randomisierte Blockdesigns, bei denen die auf den Faktor „Block“, also auf die räumliche Variabilität entfallene Varianz in der Analyse getrennt betrachtet wird, um den Haupteffekt besser zu verstehen (Shipley 1999; Sokal u. Rohlf 1995).

11.2 Partielle PCA, CA, DCA Partielle Ordinationen lassen sich leicht ableiten, wenn man das Prinzip der partiellen Analysen benutzt (Kap. 2.11). Für eine partielle PCA werden Kovariablen extrahiert, indem für jede Art eine lineare Regression auf die entsprechende Umweltvariable durchgeführt wird. Dann werden die Residuen (Abb. 2.4) statt der eigentlichen Abundanzen in die Art-AufnahmeMatrix eingetragen, und mit dieser Matrix wird dann eine PCA durchgeführt. Etwas anders liegt der Fall bei CA und DCA. Wir führen eine Regressionsanalyse mit den Aufnahmewerten entlang der ersten Achse der CA oder DCA als abhängiger und der entsprechenden Umweltvariable als unabhängiger Variable durch. Die Residuen der Regressionsanalyse sind dann die neuen Aufnahmewerte, mit denen die weiteren Iterationszyklen der CA oder DCA durchgeführt werden. Nehmen wir in unserem Elbauendatensatz die Variablen MWS, ÜFD und ÜF>50 als Kovariablen, so ist der wichtigste mit der ersten Achse der partiellen DCA korrelierende Umweltfaktor nicht mehr länger die Bodenfeuchte, da wir die Daten unkorreliert zu den Variablen für Bodenfeuchte gemacht haben. Stattdessen gibt es eine Korrelation der Nutzungsintensität INTENS und STAB mit der ersten Achse (Diagramm nicht dargestellt). Zu beachten ist, dass die Summe aller Eigenwerte nicht mehr der Gesamtvarianz in den Daten (total inertia) entspricht, da ja die Kovariablen schon einen (manchmal großen) Teil der Varianz in den Daten erklären. Die Eigenwertsumme entspricht der verbleibenden Varianz (3.942 statt 5.095). Die Eigenwerte der einzelnen Achsen sind daher kleiner als im Vergleich

11.3 Partielle kanonische Ordination

131

zum Ausgangsdatensatz; so fällt in unserem Beispiel der Eigenwert der ersten Achse von 0.71 auf 0.61, der Eigenwert der zweiten Achse von 0.44 auf 0.34.

11.3 Partielle kanonische Ordination Auch bei der CCA und RDA können Umweltvariablen als Kovariablen verwendet werden. Das Verfahren ist ähnlich dem eben beschriebenen: Die Variablen, deren Effekte aus dem Datensatz extrahiert werden sollen, werden durch die Residuen ersetzt, die sich bei einer linearen Regression mit den interessierenden Umweltvariablen auf die Kovariablen ergeben. Diese werden dann in den Iterationszyklus der kanonischen Analyse implementiert. In unserem Beispiel (Abb. 11.1, MWS, ÜFD und ÜF>50 als Kovariablen) hat sich das Muster in der partiellen CCA des Elbauendatensatzes im Vergleich zur CCA deutlich verändert (vgl. Abb. 8.2). Die Variable, die nun den größten Teil der Variation in den Daten erklärt, ist die Intensität der Landnutzung INTENS zusammen mit dem Auentyp RAND. Die Summe aller kanonischen Eigenwerte ist kleiner als bei einer CCA, in die alle Umweltvariablen mit eingehen. Der Eigenwert der ersten Achse fällt von 0.630 auf 0.293, der Eigenwert der zweiten Achse von 0.414 auf 0.172. Zum Schluss sei noch erwähnt, dass die Analyse nicht gleichbedeutend mit der CCA aus Abb. 8.3 ist, auch wenn exakt die gleichen Umweltvariablen mit eingehen. In Abb. 8.3 wurden die Variablen MWS, ÜFD und ÜF>50 einfach weggelassen, die Variation der Artdaten, die mit diesen Variablen in Beziehung steht, ist aber weiterhin vorhanden. Anders verhält es sich in Abb. 11.1: die Variation, die mit den Kovariablen in Beziehung steht, wurde entfernt, die Summe aller Eigenwerte, die der Gesamtvarianz in den Daten entspricht, ist daher von Anfang an geringer, wie wir ja auch schon bei der partiellen DCA gesehen haben. Fazit: Partielle kanonische Ordination ist geeignet, spezifische Hypothesen zum Zusammenhang von Umweltvariablen und Artenzusammensetzung zu prüfen. Dabei können versteckte Zusammenhänge sichtbar gemacht und z. B. mit Hilfe eines Permutationstests auf Signifikanz geprüft werden. Ein Problem dabei ist allerdings, dass die Kovariablen mehr oder weniger stark mit der interessierenden Variable korrelieren können. Entfernen wir den Teil der Varianz, der einer Kovariablen zuzuordnen ist, so entfernen wir zwangsläufig auch einen Teil der durch die interessierende Variable erklärbaren Varianz, was bei der Interpretation zu berücksichtigen ist.


1.0

132

Cniddubi

Vicilath Glycmaxi

CCA-Achse 2

Agrorepe Vicitetr

REZENT STAB Alopprat ALT RorisylA Poa triv Poa palu Trifrepe Planinte Ranurepe

-0.6

Poterept

GaliverA Stelpalu TaraoffA

Carevulp Eleounig

Achimill

RAND

Lotucorn

INTENS -1.0

Euphesul

Agrocapi

Caltpalu Carevesi Caredist

CCA-Achse 1

1.0

Abb. 11.1. Partielle CCA der Elbauendaten mit MWS, ÜFD und ÜF>50 als Kovariablen. Die erste Achse ist nun insbesondere mit der Intensität der Landnutzung INTENS korreliert, der dominante Effekt der Bodenfeuchte wurde entfernt (vgl. Abb. 8.2). Eigenwerte der ersten/zweiten Achse: 0.293/0.172, nur 25 Arten dargestellt

11.4 Variance partitioning Eine Weiterentwicklung der partiellen Ordination ist das variance partitioning, also die Aufteilung der Gesamtvarianz auf verschiedene Faktoren oder Gruppen von Faktoren (Legendre u. Legendre 1998). Mit dieser Technik können die separaten Effekte von erklärenden Variablen auf die Gesamtvariation in der Artenzusammensetzung quantifiziert werden. Dabei kann es sich um einzelne Variablen handeln, aber in der Ökologie werden oft mehrere Variablen zu Gruppen zusammenfasst, da die Analyse bei mehr als 3-4 Variablen(gruppen) extrem unübersichtlich wird. Diese Gruppen repräsentieren dann jeweils klar getrennte, ökologisch interpretierbare Eigenschaften, z. B. Umweltvariablen, die dem Faktor Bodenchemie zuzuordnen sind, gegenüber Umweltvariablen, welche die Nutzung repräsentieren. Die Variation in Beziehung zu räumlichen und zeitlichen

11.4 Variance partitioning

133

Variablen ist ein zweites Beispiel. In jedem Fall sollten die Variablengruppen aber möglichst unabhängige Information abbilden. Der Erklärungsanteil zweier Variablengruppen A und B auf die Artenzusammensetzung ergibt sich dabei aus dem Anteil, den A alleine erklärt plus dem Anteil, den A und B zusammen erklären, plus dem Anteil, den B alleine erklärt. Zusammen mit dem Anteil nicht erklärter Varianz Z ergibt sich die Gesamtvarianz GV in den Daten (Abb. 11.2). Wie groß der gemeinsame Anteil A^B im Vergleich zu den Einzelanteilen A und B ist, hängt dabei natürlich von der Stärke der Korrelation beider Variablengruppen ab. Diese unterschiedlichen Anteile lassen sich durch partielle kanonische Ordination berechnen: 1. Nicht erklärter Anteil Z: Durchführung einer kanonischen Ordination mit den Umweltvariablen beider Gruppen A und B. Die Differenz zwischen der Gesamtvarianz GV und der Varianz, die von den Umweltvariablen erklärt wird (d. h. die Summe aller Eigenwerte abzüglich der Summe aller kanonischen Eigenwerte), ergibt die nicht erklärte Varianz Z: Z = GV - AB. 2. Anteil A: Durchführung einer partiellen kanonischen Ordination mit A als Umweltvariablen und B als Kovariablen. Die Summe aller kanonischen Eigenwerte ist der Anteil A. 3. Anteil B: Durchführung einer partiellen kanonischen Ordination mit B als Umweltvariablen und A als Kovariablen. Die Summe aller kanonischen Eigenwerte ist der Anteil B. 4. Anteil der Varianz, den A und B gemeinsam erklären: A^B = GV- Z - A B oder auch AB-A-B. Dies sei an einem Beispiel erläutert: Für eine vegetationsökologische Analyse wurden neben Artdaten 4 hydrologische und 12 geologischbodenkundliche Variablen aufgenommen (Datenmatrices nicht dargestellt). Nun stellt sich die Frage, welchen Anteil der Varianz von der Gruppe der Bodenvariablen im Vergleich zur Gruppe der hydrologischen Variablen erklärt wird. Eine CCA ohne Kovariablen ergibt eine Gesamtvarianz in den Daten (total inertia) von 8.129, (Tabelle 11.1). Dies entspricht der Gesamtvarianz, die unabhängig von der Einbeziehung der Umweltvariablen ist und die wir damit auch bei der indirekten Gradientenanalyse der DCA (CA) erhalten würden. Die Summe aller kanonischen Eigenwerte entspricht der Varianz, die durch die einbezogenen Umweltvariablen erklärt wird. In unserem Fall ist diese 2.740.

134


A

A^B A^B

B

GV

Z Abb. 11.2. Partitionierung der Gesamtvarianz GV in den Anteil von Variablengruppe A, den Anteil von Variablengruppe B, in den gemeinsamen Anteil A^B und den Anteil der unerklärten Varianz Z

Eine CCA unter Einbeziehung von hydrologischen Eigenschaften als Umweltvariablen und Bodenfaktoren als Kovariablen ergibt eine Summe der kanonischen Eigenwerte von 0.654. Die Gesamtvarianz in den Daten ist allerdings geringer geworden (6.043), schließlich haben wir ja im Vorfeld die Varianz durch die Verwendung von Kovariablen reduziert. Eine CCA unter Einbeziehung des Bodens als Umweltvariablen und der Hydrologie als Kovariablen ergibt dagegen einer höhere erklärte Varianz (1.591), die Gesamtvarianz in den Daten ist größer als in der Analyse mit den Bodeneigenschaften als Kovariablen (6.980). Somit ist der Anteil, den die Hydrologie alleine erklärt 0.654, der Anteil, für den der Boden alleine Rechnung trägt 1.591, und der Teil, der von beiden zusammen erklärt wird 2.740 - 0.654 - 1.591 = 0.495. Den größten Anteil hat dabei aber die nicht durch die Umweltvariablen erklärte Varianz (8.129 - 2.740 = 5.389). Bei der Interpretation der Ergebnisse („Der Faktor Boden ist wichtiger als der Faktor Hydrologie“) ist aber Vorsicht geboten, da weit mehr Bodenvariablen als hydrologische Variablen aufgenommen wurden. Dieser Aspekt beeinflusst das Ergebnis sehr stark. Variance partitioning kann auch genutzt werden, um Effekte von räumlicher Autokorrelation zu bearbeiten. In eine Rasterkartierung werden sich benachbarte Quadranten vermutlich nicht nur wegen evtl. ähnlicher Umweltbedingungen, sondern auch schlicht wegen ihrer räumlichen Nähe ähneln; es liegt möglicherweise räumliche Autorkorrelation vor. Wenn nun in die eine Sekundärmatrix z. B. geografische Koordinaten in geeigneter Form (UTM oder Gauss-Krüger-Koordinaten) kodiert werden, in die ande-

11.4 Variance partitioning

135

re die Umweltvariablen, kann durch variance partitioning abgeschätzt werden, wie groß die Bedeutung der räumlichen Struktur für die Artenzusammensetzung ist und was demgegenüber rein durch die Umweltvariablen erklärt wird. Das Prinzip beschreiben Legendre u. Legendre (1998), eine aktuelle Anwendung für Rasterdaten geben Titeux et al. (2004). Insgesamt ist von einer Interpretation der quantitativen Werte von Gesamtvarianz und unerklärter Varianz eher abzuraten. Bei Ordinationen von Artdaten gibt es praktisch immer unerklärte Varianz, weil Verzerrungen (Arch-, Horseshoe-Effekt etc.) nie verhindert werden können (Podani u. Miklós 2002). Selbst ausgewählte kanonische Analysen mit sozusagen idealen Umweltdaten erklären selten mehr als 20-50 % der Varianz in den Artdaten (Okland 1999), die erklärte Varianz ist außerdem abhängig von der Zahl der Arten und Aufnahmen (Lepš u. Šmilauer 2003). Daher können auch Achsen mit einem im Verhältnis zur total inertia geringen Eigenwert ökologisch interpretierbar sein. Insgesamt sollte also weniger auf das Verhältnis erklärte/unerklärte Varianz geachtet werden als auf die Verhältnisse der durch die Variablen(-gruppen) erklärten Varianzen untereinander. Wir schließen uns damit der Meinung von Mike Palmer an, der die Situation so zusammenfasst: „Eine der Kernaussagen ist damit, dass Forschende nicht enttäuscht sein sollten, wenn die erklärte Varianz klein scheinen mag. Das muss nichts mit den natürlichen Bedingungen zu tun haben (“One of the take-home messages of this is that an investigator should not be disappointed if the variance explained seems small. It may have nothing to do with nature”, Palmer 2006). Tabelle 11.1. Variance partitioning als Ergebnis verschiedener CCA (mit und ohne Kovariablen). Angegeben sind die Summe der Eigenwerte und die Summe der kanonischen Eigenwerte für den Elbauendatensatz mit hydrologischen und Bodenvariablengruppen als erklärende Faktoren CCA-Varianten Mit beiden Variablengruppen ohne Kovariablen Mit Hydrologie Boden als Kovariable Mit Boden Hydrologie als Kovariable

Summe aller Summe aller Eigenwerte kanonischen (total inertia) Eigenwerte 8.129

2.740

6.043

0.654

6.980

1.591

12 Multidimensionale Skalierung

12.1 Der andere Weg zum Ziel Die bisher geschilderten Ordinationsverfahren verfolgen alle das Prinzip, gemessene Variablen in einem Datensatz durch geeignete synthetische Variablen zu ersetzen (CA-Achsen, Hauptkomponenten) und so möglichst viel der ursprünglich vorhandenen Varianz mit möglichst wenigen Achsen abzubilden. Bei den in den vorigen Kapiteln geschilderten Algorithmen (weighted averaging, weighted summation) ist die Struktur des von den Achsen aufgespannten Ordinationsraums durch die Wahl der Methode festgelegt, die PCA/RDA bilden im Prinzip Euklidische Distanzen ab, die Korrespondenzanalysen Chi-Quadrat-Distanzen. Beide Maße sind in mancher Hinsicht ungünstig für viele ökologische Fragestellungen, so dass in letzter Zeit verstärkt versucht wird, flexiblere Ordinationsmethoden zu etablieren. Die im ersten Teil des Buches erwähnte polare Ordination (Kap. 5.2) ist solch ein flexibles Verfahren, das heute aber selten benutzt wird. Auch alternative Verfahren gehen von einer Unähnlichkeits- oder Distanzmatrix zwischen den Objekten aus (Kap. 4) und versuchen dann, die Abstände zwischen den Objekten direkt in einem Koordinatensystem abzubilden. Mit anderen Worten: Die Objekte werden so in einen neuen Raum projiziert, dass ihre „wahren“ Abstände möglichst wenig verzerrt werden. Dieser Weg wird multidimensionale Skalierung (MDS) genannt. Die multidimensionalen Skalierungen sind sehr flexible Verfahren, insbesondere kann die anfängliche Dreiecksmatrix mit verschiedenen Unähnlichkeits- oder Distanzmaßen berechnet werden (z. B. Tabelle 4.5, Tabelle 14.1). Damit tragen multidimensionale Skalierungen einem der großen Probleme bei den bisher geschilderten Ordinationsverfahren Rechnung, denen ja die oben erwähnte eher ungünstigen Distanzmaße zugrunde liegen. Aus diesem Grunde sehen einige Autoren in den multidimensionalen Skalierungen viel versprechende Alternativen, die in Zukunft vermutlich an Bedeutung gewinnen werden (Legendre u. Gallagher 2001; McCune et al. 2002). Wir möchten daher hier auf die Prinzipien eingehen. Es stellt sich eingangs die Frage, wie die Dreiecksmatrix der Abstände zwischen den Aufnahmen berechnet wird. Je nach der weiteren Verarbei-

138


tung der Unähnlichkeit oder Distanz werden metrische von nichtmetrischen Verfahren unterschieden.

12.2 Metrische Multidimensionale Skalierung – Hauptkoordinatenanalyse Eine Familie von entsprechenden Methoden wird Metrische Multidimensionale Skalierung oder auch Hauptkoordinatenanalyse (principal coordinate analysis, PCoA, PCO) genannt. In der Namensgebung deutet sich eine gewisse Ähnlichkeit zur PCA an, die tatsächlich auch gegeben ist, denn man kann die PCoA als verallgemeinerte Form der PCA auffassen. In der PCoA ist das verwendete Abstandsmaß weitgehend frei wählbar; es kann also z. B. die Bray-Curtis-Unähnlichkeit sein, die ja für Artgemeinschaftsdaten besonders günstig ist (Kap. 4.2). Für Transformationen und andere vorgeschaltete Datenmanipulationen gilt das gleiche wie für die PCA, so können hohe Abundanzen z. B. durch Logarithmierung herabgewichtet werden. Die PCoA sucht nun nach einer Projektion, die diese Ähnlichkeiten bzw. Distanzen möglichst unverzerrt auf den Achsen eines multidimensionalen Raumes abbildet. Die Methode ist also metrisch, weil die Distanzen dabei weitgehend bewahrt werden. Dieser Raum ist ein normales Koordinatensystem, zeigt also die uns vertrauten geometrischen Eigenschaften (rechte Winkel, Gültigkeit des Satz des Pythagoras etc.). Solche Räume werden verwirrenderweise auch als euklidisch bezeichnet; gemeint ist hier aber nicht die Verwendung der Euklidischen Distanz in der ursprünglichen Dreiecksmatrix, sondern dass das Ergebnis, also das Ordinationsdiagramm, den Gesetzen der euklidischen Geometrie gehorcht. Hauptkoordinatenanalysen unterscheiden sich von Hauptkomponentenanalysen v. a. in der Wahl des Ähnlichkeitsmodells und in dessen anfänglicher Verarbeitung. Die Berechnung ist ansonsten in den weiteren Schritten einer PCA ähnlich, entsprechend ähnlich sind die in den meisten Softwarepaketen verwendeten Routinen. Tatsächlich lassen sich viele Hauptkoordinatenanalysen mit Standardsoftware realisieren, wenn man die Daten auf geeignete Weise transformiert und sie dann einer zentrierten, aber nicht standardisierten PCA unterzieht (Legendre u. Gallagher 2001; ter Braak u. Šmilauer 2002). In Abb. 12.1 haben wir für die Elbauendaten die Unähnlichkeit mit dem Bray-Curtis-Koeffizienten berechnet, die Dreiecksmatrix quadratwurzeltransformiert (s. unten), und dann die Werte einer PCoA unterzogen.

0.8

12.2 Metrische Multidimensionale Skalierung – Hauptkoordinatenanalyse

Abb. 12.1. Hauptkoordinatenanalyse der Elbauendaten, basierend auf dem BrayCurtis-Koeffizienten. Die Abb. kann verglichen werden mit anderen Ordinationen, z. B. Abb. 6.4 (Quadratwurzel Bray-CurtisUnähnlichkeit, Umweltvariablen post hoc eingefügt)

REZENT ALT RAND

ÜF>50

STAB

PCoA Achse 2

INTENS MWS

LÜFD

139

REZENT

ALT

-0.8

RAND

-1.0

PCoA Achse 1

1.0

Tabelle 12.1. Zusammenfassung der Kennwerte der Hauptkoordinatenanalyse für die Elbeauendaten (vgl. Abb. 12.1) Eigenwerte Kumulative Varianz (Artdaten)

Achse 1 2.708 22.48

Achse 2 1.899 38.25

Achse 3 1.643 51.89

Achse 4 1.017 60.33

Die Umweltvariablen wurden nachträglich (post hoc) über die Analyse gelegt, wie wir es schon in Kap. 7.3 (Ordination und Umweltdaten) beschrieben haben. Es zeigt sich, dass diese Ordination effektiv die wichtigsten Gradienten abbildet; wie in den vorigen Kapiteln auch fallen besonders die Variablen MWS und STAB auf. Wie in der DCA (Abb. 7.4), ist der Wasserstand v. a. mit der ersten Achse korreliert, die Schwankungen des Wasserstandes sind in unserer PCoA mit der ersten und der zweiten Achse korreliert. Tabelle 12.1 zeigt an Hand der Kennwerte, dass die Hauptkoordinatenanalyse mäßig effektiv die Dimensionen reduziert hat; 52 % der ursprünglich vorhandenen Varianz wird auf den ersten 3 Achsen abgebildet, alle weitere Achsen haben sehr geringe Eigenwerte (diese werden in der PCoA gewöhnlich nicht so skaliert, dass die Werte zwischen 0 und 1 liegen). Allerdings zeigt die Ordination auch einen Arch-Effekt; wahrscheinlich sogar einen Horseshoe-Effekt. Die Position der Aufnahmen im Diagramm ähnelt dabei einer Hauptkomponentenanalyse. Diese Ähnlichkeit lässt sich genauer überprüfen, indem wir eine weitere PCoA errechnen, diesmal auf Basis der Euklidischen Distanz. Diese liegt ja auch implizit der PCA zugrunde, so dass die Ergebnisse direkt mit denen einer Hauptkomponentenanalyse vergleichbar sein sollten.


1.5

140

Abb. 12.2. Hauptkoordinatenanalyse auf Basis der Euklidischen Distanz (Elbdaten, erste und zweite Achse, PCoA analog zu Abb. 12.1). Das Diagramm und auch die erklärten Varianzen sind identisch mit denen der entsprechenden PCA (Achse 1: 18.1%, Achse 2: 15.1 %, Abb. 9.5 a)

REZENT ALT RAND

PCoA-Achse 2

REZENT

RAND ALT

ÜF>50

STAB

INTENS

ÜFD

-1.5

MWS

-1.0

PCoA-Achse 1

1.5

Abbildung 12.2 zeigt das Ergebnis der auf Euklidischer Distanz basierenden PCoA, das mit der PCA (Abb. 9.5 a) verglichen werden kann. Beide Diagramme sind identisch, und auch die Kennwerte sind gleich (kumulative Varianz der ersten beiden Achsen: 33 %). Der Horseshoe-Effekt ist ebenfalls deutlich, die PCA kann also als spezielle Variante der PCoA aufgefasst werden, und beide zeigen z. T. ähnliche Probleme. Leider ist also auch in der Hauptkoordinatenanalyse eine gewisse Verzerrung unausweichlich (Minchin 1987; Podani u. Miklós 2002). Flexibel ist nur der ursprüngliche Ähnlichkeitsraum, also die Berechnung der Dreiecksmatrix. Der Raum, in den abgebildet wird, ist dagegen wie bei allen Ordinationsmethoden ein (i. d. R.) 2 bis 3dimensionales normales Koordinatensystem, also ein euklidischer Raum. Hier bringt die große Stärke der PCoA, also die Flexibilität bei der Wahl des Abstandsmaßes, Probleme mit sich. Wir wollen häufig nichteuklidische Abstandsmaße nutzen (z. B. die hier bevorzugte Bray-Curtis-Unähnlichkeit); diese lassen sich aber nicht perfekt in einem einfachen Koordinatensystem abbilden, denn sie sind nichtmetrisch (s. a. Kap. 4). Details dieses Problems beschreiben Legendre u. Legendre (2001) und Podani (2000); hier wollen wir nur festhalten, dass bei der Verwendung nichtmetrischer Distanzmaße Achsen mit negativen Eigenwerten auftreten können. Dies ist z. B. bei der Bray-CurtisUnähnlichkeit der Fall, die wie in Kapitel 4 angedeutet ein semimetrisches Distanzmaß ist. Die negativen Eigenwerte treten allerdings meist bei Achsen höherer Ordnung auf und können oft ignoriert werden. Besser ist es aber, für die Hauptkoordinatenanalyse die Quadratwurzel der ursprünglich berechneten Distanz zu benutzen, die meist metrische Eigenschaften hat (Lepš u.

12.2 Metrische Multidimensionale Skalierung – Hauptkoordinatenanalyse

141

0.8

Šmilauer 2003). Auch dann bleibt aber oft das Problem des Arch- oder sogar Horseshoe-Effekts, wie das Beispiel des Elbauendatensatzes (Abb. 12.2), aber auch die Ordination einer Petrie-Matrix (Abb. 12.3) zeigen. Obwohl aus theoretischen Gründen einiges für Hauptkoordinatenanalysen spricht, wurden PCoA bisher eher selten für ökologische Fragestellungen benutzt. Das hat sicher damit zu tun, dass ihre Stärken und Schwächen noch kaum im Detail vergleichend untersucht worden sind (s. a.: Podani u. Miklós 2002), zeigt aber auch, dass die weiter oben ausführlich dargestellten Standardmethoden trotz ihrer theoretischen Schwächen in der Praxis doch die meisten Nutzer zufrieden stellen. Im Moment scheinen sich auch die häufigsten Anwendungen für PCoA außerhalb der klassischen Synökologie zu finden; gerade in der Populationsgenetik sind Hauptkoordinatenanalysen bereits das Standardverfahren zur Visualisierung von genetischer Ähnlichkeit. Kanonische Formen der PCoA werden constrained analysis of proximities genannt oder in Anlehnung an die kanonische Form der PCA auch distance-based Redundancy Analysis (db-RDA, Legendre u. Anderson 1999). Die wenigen Anwendungen in der Ökologie sind meist experimenteller Natur (Lepš u. Šmilauer 2003).

14

13

12

15

11

16

PCoA-Achse 2

Abb. 12.3. Hauptkoordinatenanalyse einer Petrie-Matrix mit 25 Objekten und 27 Arten (Bray-Curtis-Unähnlichkeit, Quadratwurzel transformiert)

10

17

9

18

8

7

19 25 20

24

6

2

23

3

4

5

-0.6

21 22

1

-0.6

PCoA-Achse 1

0.6

142


12.3 Nichtmetrische Multidimensionale Skalierung 12.3.1 Das Prinzip Ein offensichtliches Problem aller Ordinationsverfahren ist die Schwierigkeit, letztlich sehr komplexe und variable Beziehungen zwischen Arten bzw. Arten und ihrer Umwelt effektiv in einem schlichten, wenigdimensionalen Raum abzubilden. Das Problem hat seine Entsprechung in der univariaten Statistik, denn bei der Berechnung von Korrelationskoeffizienten versuchen wir auch oft mit einem simplen linearen Modell (Pearson-Korrelation) Beziehungen von möglicherweise viel größerer Komplexität abzubilden. Wenn wir möglichst wenige Annahmen über die Zusammenhänge und Eigenschaften der Daten machen wollen, bietet sich in der univariaten Statistik die Verwendung von Rängen anstelle von realen Werten an. Die Objekte werden dafür in Bezug auf ihre Variablen in eine Rangfolge gebracht; das tun wir z. B., wenn wir Korngröße und Humusgehalt korrelieren und dafür den Spearman Rangkorrelationskoeffizienten verwenden (Kap. 2.3). Der nichtparametrische Ansatz wird dabei immer solange sinnvolle Ergebnisse liefern, wie eine klare Rangfolge vorliegt, also so lange, wie wir von einem monoton steigenden Zusammenhang ausgehen können. Statt Linearität wie bei der Pearson-Korrelation ist also nur noch Monotonie der Beziehung gefordert. Ist diese nicht vorhanden, ist die Rang-Korrelation entsprechend schwach. Eine rangbasierte multivariate Analyse muss versuchen, die Beziehungen zwischen Objekten hinsichtlich vieler Variablen abzubilden. Als Ausgangspunkt bietet sich die Berechnung einer Unähnlichkeits- oder Distanzmatrix an, aus der dann leicht eine Rangfolge der paarweisen Abstände zwischen den Objekten abgeleitet werden kann. Die Nichtmetrische Multidimensionale Skalierung (NMDS) bildet diese Rangfolge in einem wenigdimensionalen Raum ab. Wie bei den metrischen multidimensionalen Skalierungen (PCoA) auch, wird hier eine Projektion gesucht, die die Beziehungen in dem ursprünglichen Datensatz möglichst unverzerrt wiedergibt. Allerdings wird bei der NMDS nur auf Monotonie in den Beziehungen geachtet, nicht auf die absolute Größe der Distanzen. Sie benutzt dafür also eben nicht direkt die Werte aus der Dreiecksmatrix, sondern nur die relative Reihenfolge der Objekte bzw. Aufnahmen in Bezug auf den gewählten Unähnlichkeits- oder Distanzkoeffizienten. Die NMDS ist also ein rangbasiertes Verfahren. Damit hat sie die gleiche Flexibilität wie die PCoA, ist aber robuster. Wegen des einfacheren Modells gilt die NMDS sogar als relativ unempfindlich gegen fehlende Werte in der Matrix und

12.3 Nichtmetrische Multidimensionale Skalierung

143

kann daher bei lückigen Datensätzen hilfreich sein (Legendre u. Legendre 1998). Theoretisch sollte die NMDS also die ideale generelle Ordinationsmethode sein und wird entsprechend auch von einigen Autoren als die vielversprechendste Alternative zu den klassischen Verfahren propagiert (Brehm u. Fiedler 2004; McCune et al. 2002; Minchin 1987). So einfach die Idee ist, so schwierig ist aber ihre Umsetzung. NMDS ist die aufwändigste der hier vorgestellten indirekten Ordinationsmethoden, und wir beschränken uns nur auf die Erklärung des Prinzips. In der Regel wird auch in der NMDS ein iterativer Algorithmus genutzt (Kruskal 1964). Die ersten Schritte ähneln der PCoA; wir können die Daten evtl. transformieren und müssen dann ein Unähnlichkeits- oder Distanzmaß wählen. Wegen ihrer für ökologische Fragestellungen günstigen Eigenschaften wird oft die Bray-Curtis-Unähnlichkeit benutzt (Faith et al. 1987). Dass sie semimetrische Eigenschaften hat, stört hier nicht, denn bei den weiteren Schritten wird ja nicht mit den direkten Distanzen, sondern nur mit deren Rängen gerechnet. Ähnlich wie bei Spearman-Rangkorrelationen treten zwar auch hier häufig Bindungen auf (Kap. 2.3), denn die Bray-CurtisUnähnlichkeit liefert ja Werte von 1, wenn die Objekte keine Arten gemeinsam haben. NMDS kann damit aber umgehen (Details: Legendre u. Legendre 1998). Gelegentlich wird stattdessen auch die Euklidische Distanz empfohlen (Backhaus et al. 2003; Kenkel u. Orlocci 1986), diese sollte aber, wie in Kap. 4.3 gezeigt, bei ökologischen Fragestellungen nur mit Vorsicht angewandt werden. Das Prinzip der Projektion ist nun, die Objekte (i. d. R.) zunächst zufällig in einem z. B. 3dimensionalen Ordinationsraum zu verteilen und dann zu vergleichen, wie gut oder schlecht diese neue Anordnung mit der Rangstruktur in der ursprünglichen Dreiecksmatrix übereinstimmt. Dazu berechnen wir die Distanzen der Objekte im neuen (z. B. 3dimensionalen) Ordinationsraum. Da dieser euklidisch ist, nutzen wir dafür den Satz des Pythagoras, also die Euklidische Distanz. Wenn wir jetzt die Objektpaare entsprechend der Reihenfolge ihrer Abstände in der ursprünglichen Dreiecksmatrix auftragen und in die nächste Spalte die entsprechenden Distanzen im Ordinationsraum schreiben, können wir die Güte der Ordination beurteilen. Im Idealfall sollten paarweise Abstände, die in der ursprünglichen Matrix relativ klein waren (also einen niedrigen Rang hatten), auch im neuen Ordinationsraum einen kleinen Wert haben. Anders ausgedrückt, die Werte sollten monoton steigen. Diese Idee verdeutlicht ein Shepard-Diagramm. Dabei werden die ursprünglichen Abstände zwischen den Objekten (hier auf Basis der BrayCurtis-Dreiecksmatrix) gegen die neuen Distanzen im Ordinationsraum aufgetragen (Abb. 12.4).

Ursprüngliche Abstände (Bray-Curtis)


Ursprüngliche Abstände (Bray-Curtis)

144

1.0 0.8 0.6 0.4 0.2

a

0.0 0

1

2

Distanz im Ordinationsraum

1.0 0.8 0.6 0.4 0.2

b

0.0

3 0

1

2

3

Distanz im Ordinationsraum

Abb. 12.4. Shepard-Diagramme zur Beziehung von ursprünglicher Rangfolge (vertikale Achse) und Rangfolge der Distanzen im Ordinationsraum (horizontale Achse) für die NMDS. a gibt die Konfiguration nach 2 Iterationen basierend auf einer zufälligen Verteilung der Objekte (3dimensionale Lösung). b zeigt die entsprechenden Ränge für die NMDS in Abb. 12.5 c

Wenn die Rangfolgen ähnlich sind, sollte sich eine monoton steigende Beziehung im Shepard-Diagramm zeigen. Am Anfang der NMDS ist dies natürlich nicht der Fall, wie Abb. 12.4 a verdeutlicht. Wir müssen die Konfiguration also noch optimieren, und dafür brauchen wir ein quantitatives Kriterium. Mit der eben geschilderten Idee lässt sich ein Maß für die Güte der Ordination ableiten, das bei NMDS Stress genannt wird. Der Stress gibt an, wie stark die Lagebeziehungen im Ordinationsraum hinsichtlich ihrer Monotonie von denen in der ursprünglich berechneten Dreiecksmatrix abweichen. Der Ansatz zur Berechnung von Stress ist konzeptionell einer Korrelation ähnlich (Formeln zur Berechnung von Stress, ausführliche Erklärung: Backhaus et al. 2003; McCune et al. 2002). Da die Objekte im ersten Schritt der Ordination i. d. R. zufällig im Ordinationsraum angeordnet werden, ist der Stress am Anfang sehr hoch (Abb. 12.4 a). Der Algorithmus versucht nun schrittweise (iterativ), die Objekte im Ordinationsraum besser anzuordnen, also den Stress zu verringern. Dabei werden die Objekte so verschoben, dass die Abweichungen von der monoton steigenden Beziehung minimiert werden, wir also einen deutlicheren Zusammenhang zwischen ursprünglicher Rangfolge und Rangfolge der Distanzen im Ordinationsraum bekommen (Abb. 12.4 b). Auf die Details dieser Optimierung wollen wir hier nicht genauer eingehen, das Prinzip ist aber, die Punkte in einer Richtung zu verschieben, die sich aus der partiellen Ableitung der Stressfunktion an dem jeweiligen Punkt ergibt (method of steepest descent: McCune et al. 2002).


145

Die weiteren Schritte entsprechen dann in vieler Hinsicht dem Vorgehen bei anderen indirekten Ordinationen. Die Ordinationsachsen haben hier allerdings keinen direkt interpretierbaren Zusammenhang mit den Variablen, sie sind also z. B. keine Linearkombinationen von Arten bzw. Variablen wie in der PCA. Dennoch haben sie eine metrische Struktur (Backhaus et al. 2003), wir können sie also z. B. durch Post-hoc-Korrelationen mit Umweltvariablen interpretieren. Das haben wir in der Abb. 12.5 getan. Etwas Vorsicht ist hier allerdings geboten, denn anders als in den bisher dargestellten Ordinationsverfahren sind bei der NMDS die Achsen nicht zwingend orthogonal, können also untereinander korreliert sein. In unserem Fall waren z. B. die Werte der Objekte auf Achse 1 und 2 für eine 3dimensionale NMDS auf dem Niveau r = 0.334 korreliert, für eine vergleichbare DCA lag der Wert bei r = 0.001. Die Achsen einer NMDS bilden also nicht unbedingt unabhängige (Umwelt)Information ab. Das dürfte allerdings in der Praxis kaum Probleme bereiten. Wichtiger ist dagegen, dass die Achsen einer NMDS nicht notwendigerweise absteigende Bedeutung haben, es sind einfach gleichwertige Dimensionen. Aus diesem Grund kann ein NMDS-Diagramm auch beliebig rotiert oder gespiegelt werden, um die Interpretation zu erleichtern (Legendre u. Legendre 1998; McCune et al. 2002). Der Ordinationsraum könnte z. B. so rotiert werden, dass auf der ersten Achse die maximal erklärte Varianz liegt. Insgesamt erweist sich die indirekte NMDS in unserem Beispiel als günstig (kanonische NMDS wird in der Ökologie bisher nicht genutzt). Anders als bei der PCoA (Abb. 12.1) zeigt sich kein deutlicher ArchEffekt, und auch der Vergleich mit der DCA (Abb. 7.4) legt nahe, dass das Ergebnis sinnvoll ist. 12.3.2 NMDS – Optionen und Probleme Allerdings gibt es auch bei der NMDS eine Fülle von Modifikationen und möglichen Problemen. Offensichtlich ist, dass die Wahl des Abstandsmaßes das Ergebnis beeinflusst. Obwohl NMDS rangbasiert ist, können sich an dieser Stelle auch nichtmonotone Transformationen der Daten auswirken, denn sie können die Reihenfolge der Distanzen bzw. Unähnlichkeiten ändern. Weniger offensichtlich, aber von großer Bedeutung ist das Problem der sog. lokalen Minima. Die NMDS verringert iterativ die Abweichungen von der Monotonie in der Beziehung von ursprünglicher Rangfolge der Unähnlichkeit/Distanz und Rangfolge der Distanz im neuen Ordinationsraum. Das tut sie solange bis weitere Schritte den Stress nicht weiter minimieren. In Abhängigkeit von der letztlich willkürlichen Startkonfigurati-

146


on muss dieses Minimum aber nicht immer das optimale sein, eine andere Startkonfiguration kann zu anderen Ergebnissen führen. Dazu eine Analogie (in Anlehnung an McCune et al. 2002): Wir stehen auf einem Berggipfel und versuchen abzusteigen. Es ist neblig, und unser einziges Instrument ist ein Neigungsmesser. Die nahe liegendste Strategie ist, immer bergab zu gehen, bis weitere Schritte wieder bergauf führen würden. Wir erreichen so ganz sicher ein Minimum, dass aber nicht zwingend der tiefste Punkt der ganzen Region sein muss. Im Extremfall kann es ein sehr hoch gelegenes Gletscherbecken sein, aber auch wenn wir dieses umgehen, können wir in irgendeinem Hochtal landen. Erst, wenn wir das sehr häufig wiederholt haben und von verschiedenen Punkten aus losgelaufen sind, können wir wirklich sicher sein, den absolut tiefsten Punkt gefunden zu haben. Die Bedeutung von lokalen Minima zeigt der Vergleich der Abb. 12.5 a und c. Hier ergaben 2 verschiedene zufällig ausgewählte Ausgangsoptionen 2 verschiedene Ordinationsdiagramme. Der Stress, also die Güte der Abbildung der ursprünglichen Dreiecksmatrix ist bei beiden Diagrammen sehr ähnlich (ca. 11.2), und auch die Gruppierung der Punkte im Hinblick auf ihre Lage in der Aue geben beide Diagramme sinnvoll wider. Allerdings scheinen erste und zweite Achse vertauscht zu sein. Dies ist aber von geringer Bedeutung, denn bei der NMDS haben die Achsen ja nicht zwingend absteigende Bedeutung; die Ordinationsdiagramme können daher gedreht oder gespiegelt werden. Es lohnt sich daher immer, auch Ordinationsachsen höherer Ordnung (sofern berechnet) anzuschauen (Abb. 12.5 b) bzw. die Ordination so zu rotieren, dass die Achse mit der höchsten Varianz als erste Achse abgebildet wird. Hierfür gibt es Standardverfahren, ein besonders bekanntes ist die Varimax-Rotation, bei der alle Achsen unter Beibehaltung der rechten Winkel zwischen ihnen gleichzeitig gedreht werden (Details: McCune et al. 2002). In jedem Fall aber sollte sichergestellt werden, dass der Stress möglichst gering ist und nicht ein in dieser Hinsicht ungünstiges lokales Minimum ausgewählt wurde (entsprechend einem Hochtal in obiger Analogie). Als Lösung kann man bei einer NMDS viele verschiedene Startkonfigurationen ausprobieren und dann die mit dem geringsten Stress auswählen; diese sollte dem globalen Minimum, also der Optimallösung, nahe kommen (Faith et al. 1987; Minchin 1987). Für die Abb. 12.5 a und c haben wir je 500 zufällige Startkonfigurationen überprüft, je nach Rechenleistung wären aber auch 1000 Konfigurationen möglich und würden dann ein noch sichereres Ergebnis liefern. Die Schwankungsbreite des Stresses ist zwischen den einzelnen NMDS häufig relativ groß; die Ordinationen mit den minimalen Stresswerten sollten dann für die Interpretation ausgewählt werden (Abb. 12.6).


147

Abb. 12.5. NMDS der Elbauendaten; zur Interpretationshilfe wurden post hoc die wichtigsten Umweltgradienten über die Ordination gelegt (ohne nominale Variablen). Symbole deuten die Lage in der Aue an a NMDS basierend auf Bray-Curtis-Unähnlichkeit; 3dimensionale Startkonfiguration aus 500 Läufen ausgewählt, Stress 11.19; alle Achsen signifikant p 0.01; 100 Permutationen). b Wie a, allerdings Achse 2 und 3 dargestellt. c Wie a, allerdings mit Startkonfiguration aus 500 neuen Läufen ausgewählt. Das Bild ist grob ähnlich (Stress ebenfalls 11.19, alle Achsen p 0.01). d Wie a, aber Startkonfiguration aus DCA-Werten (vgl. Abb. 7.4, Stress wieder 11.19, alle Achsen p 0.01)

Da es bei umfangreichen Datensätzen sehr aufwändig ist, durch Probieren die beste Konfiguration herauszufinden, kann man stattdessen auch gleich mit einer günstigen Ausgangskonfiguration beginnen und diese dann weiter mit NMDS optimieren. Hier bietet sich das Ergebnis einer vorherigen Ordination an, also z. B. die Verwendung von Koordinaten aus einer Korrespondenzanalyse. Für unsere Elbauendaten (Abb. 12.5 d) gab die NMDS im 3dimensionalen Modell einen Stresswert von ca. 11.2 (gerundet) für die aus der DCA stammende Startkonfiguration und den gleichen Wert für die besten zufällig ausgewählten Startkonfigurationen. Der

148


zusätzliche Aufwand bei der Suche nach einer geeigneten Konfiguration hat sich also nicht gelohnt. Allerdings ist im Vergleich mit der ursprünglichen DCA (Abb. 7.4) zu sehen, dass die Vorgabe von Startkoordinaten das Endergebnis doch stark vorbestimmt (Kenkel u. Orlocci 1986). Mit dem Stresswert hängt auch eine weitere Besonderheit der NMDS zusammen: Mit der Anzahl der Dimensionen des Ordinationsraumes ändert sich die ganze Projektion. Das hat zur Folge, dass sich die Werte für die ersten beiden Achsen einer 3dimensionalen Lösung von denen einer 2dimensionalen Lösung unterscheiden. Anders als bei anderen Ordinationen ist es also ein Unterschied, ob wir nur die ersten oder auch weitere Dimensionen bei der Ordination extrahieren. Die Zahl der Achsen wird üblicherweise anhand des Stresswertes festgelegt, es werden mehrere Dimensionalitäten ausprobiert (üblicherweise bis zur fünften oder sechsten Dimension). Dann wird die Anzahl an Dimensionen ausgewählt, bei der die stärkste Abnahme im Stress beobachtet wurde. Es wird also ein Kompromiss gesucht zwischen einer möglichst geringen Anzahl von Dimensionen und einem relativ kleinen Stresswert. In unserem Beispiel (Abb. 12.6) ist die Abnahme des Stresswertes für die drei ersten Dimensionen am größten, alle weiteren Dimensionen tragen wenig zur Verbesserung des Ergebnisses bei. Daher sollte für die Auswertung die 3dimensionale Lösung gewählt werden, evtl. sogar nur die 2dimensionale. 60 50 Stress

40 30 20 10 0 1

2

3

4

5

6

Dimensionen

Abb. 12.6. Vergleich von Stresswerten für verschiedene Dimensionen bei einer NMDS. Insgesamt wurden 100 verschiedene zufällige Startkonfigurationen probiert; die durchgezogene Linie zeigt die Mittelwerte der 100 Konfigurationen an, die schraffierten Linien die jeweiligen maximalen und minimalen Werte. Letztere kommen als Startkonfiguration in Frage. Das Abflachen (der „Ellenbogen“) der Kurve ab der dritten Konfiguration legt eine 3dimensionale Lösung nahe


149

Tabelle 12.2. Richtwerte für die Einschätzung der Güte einer NMDS anhand des Stresswertes (basierend auf Kruskals „Stress 1“-Formel, s. a. Backhaus et al. 2003, McCune et al. 2002). Je nach Programm werden die Stresswerte auch als Dezimalen angegeben; 0.05; 0.1; 0.2 etc.) Stress 20 Wahrscheinlich wertlos, ab einem Wert von 35 ist das Ergebnis rein zufällig

Rechenleistung ist der limitierende Faktor bei der NMDS v. a. bei größeren Datensätzen mit z. B. einigen 100 Objekten. Aus diesem Grund sollte die Anzahl der Iterationen (also der Schritte „nach unten“) innerhalb der einzelnen Analyse möglichst klein gehalten werden. Normalerweise stabilisiert sich das Ergebnis (also die Position des lokalen Minimums) nach weniger als 20 Schritten, so dass 100-200 Iterationen praktisch immer ausreichen. Alternativ kann man auch einen Schwellenwert für die Stabilität einführen und die Iterationen nach Erreichen einer hinreichend stabilen Lösung abbrechen. Die gesparte Rechnerleistung kann dann für das Ausprobieren verschiedener Ausgangskonfigurationen genutzt werden. Neben der Signifikanz der Achsen ist Stress der wichtigste Parameter um die Güte der Ordination einzuschätzen. Tabelle 12.2 gibt hier Richtwerte; mit einem Stress von 11.2 ist unsere Ordination noch akzeptabel. Allerdings ist es auch bei der NMDS so, dass es mit zunehmender Komplexität des Datensatzes tendenziell schwieriger wird, eine gute Projektion zu erreichen. Insofern sind Werte zwischen 10 und 15 (bzw. 0.1 und 0.15) bei großen Datensätzen nicht ungewöhnlich schlecht. Vorsicht ist geboten, wenn der Stress sehr klein ist (< 1 bzw. 0.01), dann gibt es mehrere praktisch optimale Lösungen, und die Objekte klumpen ohne klare Struktur einfach in der Mitte des Ordinationsdiagramms (Backhaus et al. 2003). In ökologischen Studien dürfte das aber kaum ein Problem darstellen, denn die Komplexität der Daten verhindert, dass so geringe Stresswerte erreicht werden können. Abschließend sei noch erwähnt, dass die NMDS immer nur Koordinaten für die Objekte generiert; wollen wir Arten oder andere Variablen mit NMDS auswerten, müssen wir die Datenmatrix vorher transponieren und evtl. ein anderes Abstandsmaß nehmen (z. B. Euklidische Distanz). Einige

150


Programme bieten allerdings an, die Arten oder andere Variablen nachträglich in das Ordinationsdiagramm zu projizieren, indem für jede Art auf Basis der Aufnahmekoordinaten gewichtete Mittel für die Ordinationsachsen berechnet werden. Dies kann für eine Interpretation hilfreich sein. NMDS werden zwar zunehmend häufiger zur Analyse multivariater Daten genutzt, sind aber trotzdem nicht so verbreitet wie Korrespondenzanalysen und die entsprechenden abgeleiteten Ansätze. Dies ist erstaunlich, denn theoretisch spricht einiges für NMDS. Gegen NMDS spricht aber wohl v. a. ein rein pragmatisches Argument, dass viel mit Gewohnheit zu tun hat. Sie verfolgt ein ganz anderes Prinzip als die anderen Standardverfahren – formal ausgedrückt: sie ist keine Eigenvektoranalyse (Backhaus et al. 2003). Deswegen ist sie auch nicht in wichtigen Standardpaketen (CANOCO, ter Braak u. Šmilauer 2002) implementiert. Hinzu kommt, dass es eher wenig vergleichende Tests von NMDS und anderen Methoden gibt. So gibt eine NMDS unserer einfachen Petrie-Matrix Anlass zur Besorgnis (Abb. 12.7), da sich ein deutlicher Horseshoe-Effekt zeigt; je nach Konfiguration kann es sogar zur Bildung von Schleifen kommen. Ein Grund dafür ist, dass in der NMDS zwar kein lineares Modell steckt, aber immer monotones Verhalten vorausgesetzt wird. Das ist für viele Datensätze unrealistisch (Gauch 1994). Allerdings handelt es sich bei dieser Petrie-Matrix um einen sehr künstlichen Datensatz, bei dem große Heterogenität (mehrere Arten-Turnover) mit relativ geringer sonstiger Information gekoppelt ist (0/1-Daten), was zu vielen gleichen Werten in der ursprünglichen Ähnlichkeitsmatrix führt. Dann kann die Monotonie kaum noch sinnvoll überprüft werden. Ähnlich verwirrende Bilder kann es bei sehr komplexen Datensätzen geben; hier kann NMDS einfach keine günstige Lösung mehr finden. Für die NMDS spricht dagegen die Ordination der realen Daten (Abb. 12.5), die ja viel versprechend war. Entsprechend zeigte ein Methodenvergleich anhand realer Daten aus tropischen Schmetterlingsbeständen (Brehm u. Fiedler 2004), dass NMDS zuverlässig den wichtigen Gradienten abbilden, und dabei einfachen Korrespondenzanalysen sogar überlegen sind. Dennoch trat in diesem Beispiel der Arch-Effekt sowohl bei NMDS als auch bei CA auf (Faith et al. 1987; Minchin 1987). Eine DCA zeigte den arch erwartungsgemäß nicht, wurde aber von Brehm u. Fiedler (2004) abgelehnt, weil sie keine neue Information brachte, dafür aber mathematisch kompliziert und in theoretischer Hinsicht fragwürdig ist. Zu einem ähnlichen Ergebnis kommt Minchin (1987). Es gibt also noch Diskussionsbedarf. Ingesamt gilt auch für NMDS, dass je nach spezieller Datenstruktur diese oder eine andere Ordinationsmethode bessere Ergebnisse liefern kann (Kenkel u. Orlocci 1986).


151

Solange umfangreichere Tests ausstehen, wird man zumindest festhalten können, dass NMDS den Vorteil haben, flexibel in der Auswahl des Abstandsmaßes zu sein. Dieses kann den Erfordernissen und der Datenstruktur angepasst werden; so können Abstandsmaße verwendet werden, die bei unvollständigen Datensätzen Auftrittswahrscheinlichkeiten einbeziehen (z. B. NESS Indices, Brehm u. Fiedler 2004). Die verwendeten Maße können aber auch Korrelationen (z. B. aus wechselseitigen Mantel-Tests verschiedener Artmatrices, Beispiel: Legendre u. Legendre 1998, S. 450) oder andere Distanzmaße sein. Unserem Eindruck nach scheinen NMDS bei der Auswertung solcher Daten robuster zu sein als PCoA und werden vermutlich (mit steigender Rechenleistung) weiter an Popularität zunehmen. Dafür spricht auch, dass es Abwandlungen des hier vorgestellten Algorithmus gibt. Wir haben hier die globale NMDS vorgestellt, es gibt aber z. B. auch eine lokale NMDS, die allerdings seltener verwendet wird. Die Leistungsfähigkeit beider Methoden ist noch kaum vergleichend in der Ökologie getestet worden (Details zu lokaler NMDS bei Minchin 1987). Weiterführende Informationen geben z. B. McCune et al. (2002). Abb. 12.7. NMDS einer Petrie-Matrix mit 25 Objekten und 27 Arten (Bray-CurtisUnähnlichkeit, Startkonfiguration aus 100 zufälligen ausgewählt). Deutlich ist ein Horseshoe-Effekt zu erkennen (Stress 27.17)

NMDS-Achse 2

0.5

-0.5

-1.5 -1.0

-0.5

0.0 0.5 NMDS-Achse 1

1.0

12.3.3 Ablauf einer NMDS Wegen der Vielfalt an Optionen sollte die Analyse einem klar zu dokumentierenden Schema folgen (McCune et al. 2002; Podani 2000). Je nach Leistungsfähigkeit des Rechners und verwendeter Software sind aber Modifikationen oft unumgänglich. Zuerst muss entschieden werden, ob die

152


Daten transformiert werden sollen, um z. B. hohe Abundanzen in ihrer Bedeutung herabzugewichten. Der nächste Schritt ist die Wahl eines geeigneten Abstandsmaßes. Eine erste NMDS sollte mit vielen Dimensionen erfolgen (typischerweise 6), auch wenn in der Praxis 2-4 Dimensionen für die endgültige Lösung ausreichen sollten. Ist genug Rechenleistung vorhanden, können alternativ ca. 50-100 (bei kleinen Datensätzen auch mehr) Startkonfigurationen ausprobiert werden. Wenn wir jeweils die Ergebnisse notieren, kann die Schwankungsbreite des Stresses eingeschätzt werden, und wir können die Konfiguration auswählen, die den niedrigsten Stress brachte. Wenn die Rechenleistung limitiert ist, kann es auch ausreichend sein, eine NMDS mit einer bereits günstigen Startkonfiguration durchzuführen. Hier können z. B. die Koordinaten einer (D)CA oder einer PCoA helfen, die ja schon an sich eine relativ günstige Anordnung der Aufnahmen ermöglicht. Die Gefahr, nur ein lokales Minimum zu finden, ist daher gering. In beiden Fällen wird die Abnahme des Stresses über die verschiedenen Dimensionen verglichen, es wird die Anzahl an Dimensionen genommen, die noch eine akzeptabel gute Stressreduktion zeigt. Ein Diagramm analog Abb. 12.6 kann hier hilfreich sein. Wenn möglich sollte mit einem MonteCarlo-Test überprüft werden (s. Kap. 17.2), ob die Achsen signifikant weniger Stress abbilden als eine zufällige Anordnung der Objekte. Abschließend wird dann noch einmal eine endgültige NMDS gerechnet. Diese basiert auf der ausgewählten Anzahl der Dimensionen und, soweit durch Probieren gefunden, auf der am besten geeigneten Startkonfiguration, die dafür vorher gespeichert werden muss. Da auch bei dem beschriebenen Verfahren unter Umständen sinnlose Ergebnisse produziert werden können, gilt für die NMDS genau wie für alle anderen Ordinationsverfahren auch, dass die Ergebnisse interpretierbar sein müssen, also ökologisch sinnvoll sind. Weil das Verfahren komplex ist, gehört in den Methodenteil eine umfangreiche Dokumentation des Vorgehens, sonst sind die Ergebnisse kaum nachvollziehbar! Der Abschnitt sollte folgende Punkte umfassen: Verwendeter Algorithmus/Software, evtl. Transformationen, Abstandsmaß, Herkunft der Startkonfiguration, Festlegung der Dimensionen, Ergebnis des Monte-Carlo-Tests und Stresswert.

13 Klassifikation – das Prinzip

13.1 Das Wesen von Klassifikationen Klassifikation ist neben der Gradientenanalyse traditionell das zweite große Aufgabengebiet in der Auswertung multivariater ökologischer Daten. Besonders in der zentraleuropäischen Vegetationskunde wurde Klassifikation von Vegetationsbeständen lange Jahre als ein wichtiges, wenn nicht sogar als das Hauptziel geobotanischen Arbeitens angesehen. Hinsichtlich der Methodik stand hier die Pflanzensoziologie klar im Vordergrund. Entsprechend vielfältig sind Anwendungen von Klassifikationen bei der Analyse von Pflanzengemeinschaften, während Beispiele für Tierzönosen weit seltener sind. Darum werden wir uns hier auf vegetationskundliche Beispiele beschränken. Die pflanzensoziologische Tabellenarbeit ist im Prinzip auch eine multivariate Analyse; sie versucht, die Daten so geordnet in einer 2dimensionalen Tabelle darzustellen, dass ähnliche Aufnahmen und sich ähnlich verhaltende Arten nebeneinander stehen. Unter dem Strich ist dieser Ansatz sehr erfolgreich gewesen, und noch heute werden pflanzensoziologische Ergebnisse häufig als Referenzpunkt für andere vegetationskundliche Auswertungsverfahren genutzt. Wir wollen daher am Beispiel der pflanzensoziologischen Tabellenarbeit einige Prinzipien von Klassifikationen verdeutlichen. Tabelle 13.1 zeigt eine pflanzensoziologische Gliederung für einen Teil der Elbauendaten. Wir haben hier einen neuen Testdatensatz benutzt, die Aufnahmen sind alle relativ ähnlich und stammen aus dem Wirtschaftsgrünland (Weidelgras-Weißklee-Weiden). Eine DCA der Daten gibt nur eine Gradientenlänge von 2.1 SD-Einheiten, zeigt also ungefähr einen halben Arten-Turnover zwischen den unähnlichsten Aufnahmen (Kap. 6.3). In diesem Sinne können die Daten also als homogen gelten. Die Vegetationstabelle ist in 2 Richtungen sortiert; Spalten und Aufnahmen wurden so geordnet, dass Gruppen von Aufnahmen durch Gruppen von Arten gekennzeichnet sind (ausführlich: z. B. Dierschke 1994).

154


Tabelle 13.1. Pflanzensoziologische Klassifikation von Vegetationsaufnahmen aus beweidetem Grasland der Elbaue (ohne Begleiter). Die charakteristischen Arten wurden markiert, die Buchstaben geben pflanzensoziologische Hierarchieebenen an (Assoziation, Verband, Ordnung, Klasse). Die (Sub-) Varianten wurden fortlaufend nummeriert (Tabelle 13.2), die Deckungsgrade sind auf einer LondoSkala angegeben (Tabelle 3.1) Varianten Nummer DV AC VC DV DV AC

KC

KC VC KC O KC KC

KC KC KC KC KC KC KC KC O KC O KC O

AC/VC/DV: Trifolium repens Leontodon autumnalis Lolium perenne Lotus corniculatus Bellis perennis Cynosurus cristatus D 1: Ranunculus bulbosus Galium verum Eryngium campestre Cerastium arvense Carex praecox Armeria elongata Cerastium glut. D 2: Poa trivialis Festuca pratensis Ranunculus repens Potentilla reptans Veronica serpyllifolia Deschampsia cesp. Glechoma hederacea Phleum pratense Cardamine pratensis d 2.1: Agrostis capillaris Achillea millefolium Plantago lanceolata Trifolium pratense Ranunculus acris Anthoxanthum odor. Festuca rubra agg. d 2.3: Agrostis stolonifera Plantago major Phalaris arundinacea Persicaria amphibia Poa palustris Alopecurus genic. d 2.1.2: Lathyrus pratensis Centaurea jacea Vicia cracca Achillea ptarmica Silaum silaus OC/KC: Taraxacum officinale Poa pratensis agg. Alopecurus pratensis Cerastium holost. Trifolium dubium Rumex acetosa Bromus hordeaceus Holcus lanatus Dactylis glomerata Leucanth. vulgare Silene flos-cuculi Stellaria graminea Cnidium dubium Campanula patula Veronica chamaedrys Daucus carota Galium album Arrhenatherum elatius Elymus repens Rumex thyrsiflorus Cirsium arvense Erophila verna Veronica arvensis Carex hirta Lysim. nummularia Ranunculus auricomus Potentilla anserina Stellaria palustris Vicia tetrasperma Plantago intermedia Poa annua Equisetum arvense

1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 5 5 5 1 2 3 4 5 6 7 8 9 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 4 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 2 . . . . .

1 .1 .4 . . .

.4 .4 .4 .4 . .

.4 .2 .4 .4 . .

.4 . . . . .

.2 .4 . .4 .4 .

. . 1 . . .

.4 .2 .4 1 .2 .

.4 .4 .4 .4 .4 .

2 .4 .4 1 . .

.4 .4 . .4 .4 .4

2 .4 .4 3 .4 .

6 .4 .4 2 . .

2 .4 .4 2 .4 .4 .

.4 .4 2 .4 .4 .4 .

1 .4 .2 .4 .4 .2 .

1 .4 1 .4 .4 2 .

.4 .4 .4 .4 1 . .

.4 .4 . . .4 .2 .4

.4 .4 .2 2 . . .4

.4 .4 . . .4 .2 .4

3 .4 .4 .4 . . .

. .4 . . .4 . .4

. . . . . . .

. . . . . . .

. .4 . . . . . . .

. . . . . . . . .

. . . . . .2 . . .2 . .4 . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 . . . . . . .2 . .4 . . . . . . . . . . . . . . .

. . . . . . . . .

.4 2 .4 .4 . . . . .

2 1 2 . . 4 .

1 .4 . . . 3 2

1 .4 1 .4 .2 2 .4

1 .4 2 .4 . 2 .4

2 .4 . . . . 1

1 1 .4 1 . 1 .

. .4 .4 . . . .

.4 .4 .4 2 . 1 .

2 2 .4 . . 1 .4

2 1 .4 . . . 5

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. .4 .4 .4 .4 .4 . . . . . . . . . . . . .4 1 .4 .4 .4 2 . . . . .4 . . .

.2 .4 2 .4 .4 . 2 . . . . . . . . . . .2 .4 4 . . .4 .4 . . . . . . . .1

.4 .4 .4 .4 .4 .4 .4 .2 . . . .4 . . . . . . . 2 .2 . . .4 . . . . . . . .

.4 .4 .4 . .4 .2 .4 . . . . . . . . . . . . 1 . . . 2 . . . . . . . .

4 .4 .4 .4 .4 .

1 .4 . 5 . .

4 .4 . .4 . .

2 .4 2 . . .4

7 .4 4 4 . .

1 .4 .4 . .4 .

1 . .4 . . .

5 2 .4 7 . .

1 . . . . .

6 .4 .4 1 . .

3 .4 . .4 .2 .

5 . .4 . . .

7 .4 . . . .

6 .4 . 2 . .

6 .2 2 .4 . .

.4 . .4 . . .

. . . . . . . . .4 . .4 . .4 . . . . . . . . . . . . . . .4 . . . . 2 . . . . . . . . . . . . . . . .

. . . . . .4 . . . . . . . .4 . . . . . . .

. . . .4 . . .

. . . . . . .

. . . . . . . .1 . . . . . . . . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . . . . .4 . . . .

.4 .4 . .4 .2 .4 .2 2 .

.4 .4 . . .4 . . . .

.4 .4 .2 .4 .4 .4 . . .

1 2 .2 . . .4 . . .

2 1 2 .4 . . .4 . .4

.4 2 .2 .4 . . 2 1 .4

.4 . . .2 .2 . . . .

. .4 . .4 . .4 .4 . .

.4 .4 1 2 . . 2 . .4

.4 2 .4 . . 2 .4 . .4

.4 1 .2 . . . . . .

.4 .4 . .4 . . . . .

. . 2 .4 .4 .2 1 .4 .

.4 2 .2 . .4 .4 . . .4

.4 2 .4 .2 . . . . .

.4 .4 . .2 . . . . .

.4 1 .4 . .4 . .4 . .4

.4 .4 2 . . 1 . . .

.4 .4 .4 .4 . . . .4 .

.4 2 .4 .4 .4 . 2 . .4

.4 1 .4 .4 . . . .4 .

1 . 1 . .4 . .2 .4 .

1 . .4 . . . .4 2 .

2 . .4 .2 .4 . 1 . .

.4 . 2 1 . .4 . .4 .

.4 2 2 .4 .4 .4 .4 2 .

.4 4 3 . . . . . .

1 .4 1 . .1 .4 .4 .4 .

.4 . 4 .4 .4 .2 . . .4

5 .4 .4 .4 1 2 .4

1 2 .4 .4 .2 . .

2 .4 .4 . .2 . 1

1 . . 1 .2 . 2

.4 .4 .4 .4 2 .4 .

2 .4 .4 .4 1 .4 .

. . 2 .4 . . .

4 .4 .4 .4 .1 . .4

.4 2 . . . .4 2

. . . .4 . . .

. .4 .4 2 . 5 .

2 .4 . .2 .4 1 .

6 1 . 1 . .2 .4

1 2 .4 .4 . . .

2 . .4 . 1 . .

3 .4 . . .2 . .

. 1 .4 .4 . . .

3 . . . . . . . . . . . . .

. .4 . . . . . . . . . . . .4 . . . . . .2 . . . . . . . . . . . . . . . . . . .4 . . . . . . . . . .

. . .4 . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. .4 . . . . . . . . . . . . . . . .

. . . . .2 . . . . . . . . . . . . .

. .4 . . . . . . . . . . . . . . . .

. . . . . .

. . . . . .

. . . . . .

. . 2 . . . . .4 .4 . . . . . .4 . .4 .

.4 .4 . .2 . .4

2 .1 .4 . .4 .

. . . . . .4 . 1 . . . . . . . . . . . .

. . .4 .4 .4 . .1 .4 .2 .4 . . .2 .4 .4 . . .4 . . . . . . .4

.4 . .4 .4 .

.4 .2 .4 . .4

.4 .2 .4 . .4

.4 . 2 1 .

. .2 . . .4

.4 2 . . .

.4 . . .4 .4

.4 4 .4 . .

. . . . .

. . . . . . . .4 . . . . . . .

. . . . .4 . . . . . . . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. .4 .4 . 1 .1 . . .4 . . . . . . . . . .4 .2 . .4 .4 .2 . . . . 2 . . .

.4 .4 .4 .4 . .4 . .4 . . . .4 . . . . . . .4 .2 . .4 . . . . . . . . . .

.4 . .4 .4 .4 .4 . .4 . .4 . . . .4 . . . . . . . . . . . . . . .2 . . .

.4 .4 1 .4 .4 .4 . . . . . . . . . .2 1 . .4 .4 . .4 . . . .4 . . . . . .

1 .4 . 1 .4 .4 2 2 . . . . . .2 . . . . .4 . . . . . .2 .4 . . . . . .

2 .4 .4 2 .4 . . . . .4 .4 . 2 . . . . . 2 . .4 .4 .4 . . .2 . . .2 . . .

2 .4 .4 .4 .4 .2 .4 . . .2 . . . .2 . .2 . . .4 2 . . . .4 . . . . .4 .4 . .

2 .4 .4 . . .4 . . .4 . . . . . .4 . .4 .4 . . .4 . . . . .2 . . . . . .

.4 .4 .4 . .4 . . . . .2 . . . .2 . . . . .4 .4 . . . . .4 .4 . . .4 .4 . .

.4 2 .4 .4 . . . . . .4 .2 . . . . . . . .4 .4 . . . . .4 .4 . .2 . . . .

2 .4 .4 .4 . .4 . . . . . . . .1 . . . . .4 .2 .4 .4 . . . .2 . . . . .4 .

1 .4 .4 .4 2 . 1 . . . . . . . . . . . . 5 .2 . . . .2 . .2 . . . . .

. .4 5 .4 . .2 . . . . . . . . . . . . .2 . . . . .4 . . . . . . . .

2 .4 .4 .4 .4 .1 . .4 . . . . . . . . . . . .4 .2 . . . . .4 .4 . . . . .

1 2 .4 .4 . .4 . .4 . . . . . . . . . . .4 . 1 .4 . . .4 .4 .4 .4 . . . .

2 .4 .4 .4 . .1 . .4 . . . . . . .2 . . . .2 . .4 .4 . . . .1 .4 .4 . .1 .4 .

1 2 . .4 .2 . .4 2 . .4 . . . . . . . . . .4 . .4 .4 . . .4 . . .2 . . .

.4 1 .4 . . . 1 . . . . . . . . . . . . 1 . .4 .4 . . . . . . . . .

.4 2 .4 .4 .4 . .4 . . .4 .2 . . . . . . . .4 .4 . . .4 . . .2 . . .4 . . .

.4 .4 . .4 4 . .4 . . .4 . . . . . . . . .4 2 . . .4 3 . . . . . . . .

.4 .4 .4 .4 .4 .4 . .4 . .4 . .4 .4 . . . . . . . . . . . . . . . . . . .

.4 .4 . .4 .4 .4 . . .4 .4 . . .4 . . .2 . . .4 .4 .2 .4 .4 . . . . . . . .4 .2

.4 . .4 .4 .4 . . . .4 . . . . . . . . . . . . . . . . . . . . . . .

3 . . .4 . .

.4 .4 .4 .4 .2 .

3 .4 . .4 . .

1 . .4 .4 .4 .

1 .4 .4 2 . .

2 .4 .4 . . .

4 . .4 .4 . .

.4 . . .4 .4 .

.4 .4 . .2 .4 . . . . . . . . . . . . . . .4 . . . . . . . . .2 . . .2

2 .4 .4 .4 .4 .4 .4 . 1 .4 .4 . . . . . . . .4 1 .4 .4 .4 . . . . . . . . .

3 . .4 .4 . 2 . .4 . . . . . . . . . . . . .4 . . .4 . . 2 . . . .4 .

2 .2 .4 . .4 .

.4 .4 . . . . .4 . . . . . . . . . .2 . .4 . . . . . . . . . . . . .4

1 .4 2 .4 .4 1 .4 . . . . . . . . . . . .4 .2 .4 .4 . .4 .4 . . . . .2 . .

4 . .4 .4 . .

7 .4 .4 .4 1 .

.4 .4 . . . .

3 . . . .4 .

.4 .4 . . . .4

1 . . . .4 .

. . . . .

. 2 . . . .4 . . . .

. . . . .

. . . . .

. .4 . . . . . . . . . . . . .

2 . 1 .4 .2 . . . . .2 .2 . . . . . . . 5 . .4 . . . . . .4 . . . .4 .

2 .4 2 .4 .4 . .4 . . . . . . . . . . . .4 2 . . . . . . . . .4 . . .4

.4 .4 .4 .2 .4 . . . . . . . . . . . . . .4 .2 .2 .4 . .2 . .2 1 .4 . . . .

1 2 .4 2 .2 . .4 . . . . . . . . . . . 1 . .4 . .4 . 1 .1 . .4 . .2 . .

2 1 7 .4 .4 . .2 . . . . . . . . . . . . . . . . .4 . . . .4 . . . .

1 .4 2 4 . .4 .4 . . . . . . . . . . . 2 . .4 . .4 . . .1 6 . . . . .

2 .4 . .4 .4 .2 .4 3 .2 . .4 . . . . . . . . . .4 . . . .4 . . .4 . . . .

.4 .4 .4 . . . . . . . .2 . . . . . . . 2 . .2 .4 . . .4 .4 . .2 . .4 .4 .

13.1 Das Wesen von Klassifikationen

155

Tabelle 13.2. Pflanzensoziologische Benennung der Vegetationstypen in Tabelle 13.1. In der Elbaue gliedern sich die Weidelgras-Weißklee-Weiden (LolioCynosuretum Br.-Bl. et De L. 1936 n. inv. Tx. 1937) in 2 Untergesellschaften, die zum Teil in Varianten und Untervarianten aufgeteilt sind. Die Gruppenstruktur entspricht der Kodierung in Tabelle 13.1 Lolio-Cynosuretum 1. Lolio-Cynosuretum armerietosum elongatae 2. Lolio-Cynosuretum typicum 2.1 Agrostis capillaris-Variante 2.1.1 Lathyrus pratensis-Subvariante 2.1.2 typische Subvariante 2.2 typische Variante 2.3 Agrostis stolonifera-Variante

(Gruppe 1) (Gruppe 2) (Gruppe 3) (Gruppe 4) (Gruppe 5)

Die Sortierung erfolgt durch manuelles Verschieben der Spalten und Zeilen, dies geschieht wechselseitig in vielen Schritten; wenn man so will, ist dies also ein iteratives Verfahren. Schließlich werden die Aufnahmen auf Basis von Kombinationen diagnostischer Arten (durch Blöcke angedeutet) zusammengefasst, das Verfahren ist agglomerativ. Arten gelten hier als diagnostisch, wenn sie innerhalb des von ihnen charakterisierten Aufnahmeblocks deutlich häufiger sind als außerhalb. Ein wichtiges Maß ist hier die sog. Treue, die von den meisten Autoren als das Verhältnis der Frequenzen oder Stetigkeiten (also der relativen Anzahl von Aufnahmen in denen die Art vorkommt) innerhalb der charakterisierten Gruppe und außerhalb dieser Gruppe definiert wird (Braun-Blanquet 1964; Szafer u. Pawlowski 1927; kritische Diskussion: Bruelheide 2000; Dengler 2003). Ranunculus bulbosus hat eine hohe Treue in Gruppe 1 (Tabelle 13.1), weil die Art hier in fast jeder Aufnahme vorkommt (90 % Frequenz), während er außerhalb der Gruppe fehlt. Auch Galium verum hat eine hohe Treue in Gruppe 1 (100 % Frequenz innerhalb, 10 % außerhalb der Gruppe). Diese diagnostischen Arten dienen dazu, die Aufnahmen auf dem kleinsten Niveau zusammenzufassen, in diesem Fall zu durch Nummern gekennzeichneten Varianten. Die größeren Blöcke übergreifender diagnostischer Arten deuten aber auch an, dass diese Varianten wiederum auf der Basis gemeinsamer kennzeichnender Arten zu Gruppen höherer Ordnung zusammengefasst werden können (Subassoziationen, Assoziationen, Verbände; s. Dierschke 1994). Die Klassifikation ist also hierarchisch, genauer gesagt, diese Gruppen sind in dem Sinne hierarchisch, dass sie jeweils andere Untergruppen umfassen. Es handelt sich also – anders als z. B. bei militärischen Rängen – um verschachtelte Hierarchien.

156


Aus methodischer Sicht ist die Pflanzensoziologie allerdings problematisch, denn das manuelle Verschieben von Zeilen und Spalten erfordert eine Kette von Entscheidungen, die im Detail häufig eher in der Erfahrung der Bearbeiter begründet liegen, als dass sie sich direkt aus dem Datensatz ergeben. So könnten wir uns fragen, warum in Tabelle 13.1 die Aufnahme 6 nicht auch zu Variante 2 hätte gestellt werden können, denn sie hat ja auch einige diagnostische Arten aus diesem Block (Artgruppe D 2). Mit Blick auf den Artgruppe D 1 würden aber die meisten Pflanzensoziologen wohl doch die hier vorgestellte Zuordnung bevorzugen, das Verfahren ist also zumindest nicht völlig willkürlich. Richtig aber ist, dass pflanzensoziologische Tabellenarbeit eine Fülle subjektiver Einzelentscheidungen erfordert, die in ihrer Summe die Nachvollziehbarkeit des Gesamtergebnisses stark erschweren. Andererseits liegt jeder Klassifikation letztlich eine subjektive Auswahl von Klassifikationskriterien zu Grunde, daher gibt es auch keine universal richtige oder falsche Klassifikation. Es ist gleich (il)legitim Menschen nach ihrer Haarfarbe oder nach ihrer Sprache zu gruppieren, die Wahl hängt von der Fragestellung ab. Darüber hinaus sind nach der Festlegung der generellen Kriterien immer letztlich subjektive Festlegungen von Grenzwerten nötig (sprechen z. B. die Elsässer Französisch oder Deutsch oder eine dritte Sprache?). Es gibt also keine objektiv richtige Klassifikation: Wichtiger erscheint uns, dass das Ergebnis heuristischen Wert hat, also bei der Lösung der gegebenen Fragestellung hilft. Statistische Verfahren haben hier dennoch Vorteile, denn sie erzwingen meist eine klare Definition der Klassifikationsstrategien und der Klassengrenzen. Andere Bearbeiter können also leichter das gleiche Ergebnis erzielen, was aber nicht heißt, dass die Ergebnisse immer leicht nachvollziehbar sind. Sie sind oft wenig anschaulich, und im Detail kann nur bei gründlicher Kenntnis der jeweiligen Methode nachvollzogen werden, warum eine Art Y nun gerade in der Gruppe X gelandet ist. Hier soll die folgende Diskussion einiger weniger Standardverfahren einen Einstieg ermöglichen.

13.2 Die wichtigsten Klassifikationsstrategien Mit den eben eingeführten Vokabeln lassen sich die verschiedenen Klassifikationsstrategien in Gruppen einordnen, also ihrerseits klassifizieren; auch hier gilt natürlich, dass andere Gruppierungen z. B. nach dem jeweils verwendeten Distanzmaß genauso „korrekt“ sind. Die pflanzensoziologische Tabellenarbeit ist ein hierarchisches und agglomeratives Verfahren. Es gibt verschiedene Versuche, die Methodik direkt in einen mathemati-

13.2 Die wichtigsten Klassifikationsstrategien

157

schen Algorithmus umsetzen (u. a. Bruelheide u. Flintrop 1994), die aber keine allgemeine Verbreitung erfahren haben. Neuere Ansätze zur Operationalisierung basieren auf der Idee von Treuemaßen. Sie liefern vielversprechende Ergebnisse in dieser Richtung (Bruelheide 2000; Bruelheide u. Chytrý 2000) und werden daher weiter unten kurz dargestellt. Wir konzentrieren uns hier auf statistische Ansätze, unter denen als hierarchischagglomerative Verfahren v. a. Clusteranalysen angewandt werden. Sie versuchen, die Ähnlichkeit zwischen Objekten in Form von Dendrogrammen abzubilden. Dabei sitzen die Objekte am Ende der Äste, die Länge der Äste symbolisiert die Distanz zwischen den Objekten (z. B. Abb. 14.1). Die Variablen werden dabei nicht direkt klassifiziert, für die Analyse von z. B. diagnostischen Arten sind also nachgeschaltete Verfahren nötig (z. B. indicator species analysis; Kap. 17.6). Im Gegensatz dazu stehen divisive hierarchische Verfahren, die nicht von kleinen Gruppen ausgehend sukzessive größere Gruppen bilden, sondern im ersten Schritt den Datensatz in 2 oder (seltener) mehrere Gruppen teilen und diese dann ihrerseits weiter aufgliedern. Das Ergebnis ist ebenfalls eine dendrogrammartige Struktur (z. B. Abb. 15.4). Wir wollen hier nur auf das am häufigsten verwendete Verfahren näher eingehen, die sog. TWINSPAN-Analyse, die im Gegensatz zu vielen hier besprochenen Verfahren nicht nur Objekte, also z. B. Aufnahmen, sondern auch die zugehörigen Variablen (meist Arten) klassifiziert. Schließlich gibt es auch nichthierarchische Klassifikationen. Das Ergebnis ist hier nicht ein Dendrogramm, sondern es sind Gruppen von Objekten. Die Beziehungen zwischen diesen Gruppen sind dabei von untergeordneter Bedeutung. Auch hier gibt es verschiedene Verfahren, die aber alle unserer Erfahrung nach in der Ökologie eher selten verwendet werden und deswegen hier auch nur kurz Erwähnung finden. Ebenfalls nur recht kurz erwähnt wird eine Methode, die zwischen Klassifikation und Ordination steht. Die Diskriminanzanalyse versucht die Unterschiede zwischen vorgegebenen Gruppen durch geeignete multivariate Funktionen zu beschreiben. Sie dient damit also nicht direkt der Suche nach Gruppen, wohl aber der Beschreibung von Gruppenstrukturen. Deswegen behandeln wir sie im Kontext der Klassifikationen. Gerade im Bereich der Taxonomie bzw. Systematik und Genetik haben sich in den letzten Jahren verstärkt andere Klassifikationsstrategien etabliert. Die Parsimonie-Methoden haben in Zusammenhang mit evolutionsbasierten Fragen sehr große Bedeutung erlangt (Wägele 2001). Wir möchten hier nicht weiter auf diese Methoden eingehen, weil sie auf speziellen Annahmen beruhen, in diesem Fall u. a. der evolutiven Entstehung von Unterschieden. Solche Annahmen sind bei der Analyse ökologischer Daten selten zu rechtfertigen; Unterschiede zwischen pH und Leitfähigkeit unter-

158


liegen keiner Evolution bzw. Selektion. Anders ausgedrückt, gleiche pHWerte werden auf verschiedenen Standorten unabhängig voneinander entstanden sein. In jüngster Zeit wurden allerdings parsimoniebasierte Verfahren gelegentlich auch auf biogeografische Fragestellungen angewandt. Das ist dann gerechtfertigt, wenn von einem rein phylogenetischen Hintergrund der zu suchenden Muster ausgegangen werden kann. Da diese Voraussetzung nur schwer überprüfbar ist, v. a. aber selten zutreffend sein dürfte, ist der Ansatz sehr umstritten (Santos 2005). Sieht man von diesen Spezialfällen ab, kann man sagen, dass sich im Bereich Klassifikation in den letzten Jahren deutlich weniger Neuerungen durchgesetzt haben als im Bereich Ordination. Die Verfügbarkeit großer Datenmengen aus Datenbanken erzeugt zwar im Moment einen Bedarf nach neuen Methoden (z. B. Cerna u. Chytrý 2005; Cingolani et al. 2004; Tichý 2005), aber die meisten Anwendungen beruhen auf wenigen etablierten Standardansätzen. Wir haben uns daher auch im Umfang des Textes beschränkt und wollen hier nur die wichtigsten Klassifikationsverfahren erläutern.

14 Agglomerative Klassifikationsverfahren

14.1 Clusteranalyse – Grundlagen Unter Clusteranalyse versteht man eine Gruppe von hierarchischagglomerativen Klassifikationsverfahren, die als Gemeinsamkeit im Ergebnis immer ein Dendrogramm der Objekte erstellen. Sie sind sehr flexibel, da an verschiedenen Stellen in der Analyse jeweils mehrere Optionen zur Verfügung stehen. Das bedeutet aber auch, dass aus einem Datensatz sehr unterschiedliche Dendrogramme errechnet werden können, ohne dass klar wäre, welches das „richtige“ ist. Um das Problem zu verringern, schlagen wir hier nur einige Standardprozeduren vor, die sich für ökologische Fragestellungen bewährt haben. Die erste Option betrifft die Entscheidung über eine geeignete Transformation; diese hängt vom Typ der Daten ab und richtet sich nach den üblichen Überlegungen (Kap. 3). In der Regel sollten die Daten entweder nominales Niveau haben (also z. B. Präsenz-/Absenzdaten) oder rationalskaliert sein (also z. B. Prozent Deckung, s. Kap. 2.2). Ordinal gemessene Daten bringen dagegen Probleme mit sich (Podani 2005), auf die hier nicht näher eingegangen wird. Ordinale Daten werden daher meist vor der Analyse durch Dummy-Variablen ersetzt oder in rational skalierte Werte übertragen (z. B. Mittelwerte von Deckungsgradklassen). Variablen, die auf unterschiedlichen Skalen gemessen wurden, müssen vor der Analyse standardisiert werden (Kap. 3.2). In Statistiklehrbüchern wird gelegentlich empfohlen, vor der Klassifikation die Redundanz im Datensatz zu verringern, also bei miteinander hoch korrelierten Variablen nur einen Teil der Variablen zu nutzen (Bahrenberg et al. 2003). In der Ökologie sind wir meist an dem gesamten Variablensatz interessiert, daher wird i. d. R. mit dem vollen Datensatz gerechnet. Eng mit möglichen Datenmanipulationen ist die Wahl des Ähnlichkeitsbzw. Distanzmaßes verknüpft (Kap. 4). Für die meisten Anwendungen bei Artgemeinschaftsdaten dürfte als asymmetrisches Maß die Bray-CurtisUnähnlichkeit die am besten geeignete Option sein, wenn Objekte (Aufnahmen, Proben etc.) klassifiziert werden sollen. Häufig führt hier eine logarithmische oder eine Quadratwurzeltransformation zu besseren Ergeb-

160


nissen. Bei der (eher seltenen) Klassifikation von Objekten auf Basis abiotischer Variablen ist die Euklidische Distanz günstig. Sollen dagegen Variablen im Objektraum klassifiziert werden, dann können Chi-QuadratDistanz oder auch Korrelationskoeffizienten sinnvoll sein (s. a. Legendre u. Legendre 1998, dort auch Hinweise auf spezielle Cluster-Algorithmen). Wir wollen hier die Weidelgras-Weißklee-Weiden (Tabelle 13.1) klassifizieren, dabei interessieren uns v. a. die nichtdominanten Arten. Es soll also wichtiger sein, ob eine Art 1 oder 10 % deckt, während Unterschiede zwischen 70 und 80 % Deckung weniger ins Gewicht fallen sollen. Wir haben die Artdaten daher zu y’ = log (y + 1) logarithmiert und eine Dreiecksmatrix mit dem Bray-Curtis-Koeffizienten erstellt (Tabelle 14.1). Sehr viel stärker umstritten als die Wahl des Ähnlichkeitsmaßes ist nun die Wahl des geeigneten Cluster-Algorithmus. Ein nahe liegender Ansatz ist, die ähnlichsten Aufnahmen auszuwählen und sie zu fusionieren. In unserem Beispiel sind dies die Aufnahmen 3 und 4, 6 und 8 und 30 und 32 mit einer Bray-Curtis-Unähnlichkeit von weniger als 0.3 (Tabelle 14.1). An diese Gruppen werden jetzt sukzessive weitere ähnliche Aufnahmen oder Aufnahmegruppen angeschlossen, dieses Verfahren wird daher auch Nearest-neighbour- oder Single-linkage-Algorithmus genannt. Das Ergebnis ist ein Dendrogramm (Abb. 14.1), das die Abstände der Aufnahmen widerspiegelt. Vergleicht man die Struktur mit der pflanzensoziologischen Zugehörigkeit der Aufnahmen, fallen gewisse Ähnlichkeiten auf. Die Aufnahmen der Gruppe 1 stehen im Dendrogramm weitgehend zusammen, ansonsten aber sind die pflanzensoziologischen Gruppen kaum wiederzuerkennen. Der Nearest-neighbour-Algorithmus ist die einfachste Methode, sie hat allerdings einen gravierenden Nachteil. Es bilden sich i. d. R. treppenartige Strukturen aus, so z. B. im oberen Fünftel von Abb. 14.1. In diesem Fall ist es schwierig bis unmöglich, größere Gruppenstrukturen festzulegen, denn es ist unklar, bis zu welcher (Un-)Ähnlichkeit bzw. Distanz Objekte noch in eine Gruppe gehören sollen. Die Frage ist also, wo das Dendrogramm „durchgeschnitten“ werden soll. Solch ein Muster wird auch chaining (Kettenbildung) genannt und kann das ganze Diagramm betreffen, das dann unbrauchbar wird. Manche Programme geben daher auch „Prozent Kettenbildung“ als Kennwert an, in unserem Fall betraf das ca. 62 % der Dendrogrammstruktur. Das ist ein hoher Wert, der an der Interpretierbarkeit des Diagramms zweifeln lässt. Wegen der Tendenz zur Kettenbildung wird die Nearest-neighbour-Methode daher auch nur noch selten benutzt. Eine der wenigen sinnvollen Anwendungen ist explorativer Natur. Mit der Methode kann rasch überprüft werden, ob im Datensatz sehr deutliche Gruppenstrukturen stecken, denn große Diskontinuitäten werden trotz Kettenbildung auch bei dieser Methode erkannt.

Tabelle 14.1. Dreiecksmatrix für die Weidelgras-Weißklee-Weiden (Bray-Curtis-Unähnlichkeit, basierend auf logarithmisch transformierten Daten). Aufnahmen mit einer Unähnlichkeit < 0.3 sind hervorgehoben, dünne Linien zeigen Gruppen aus Tabelle 13.1

14.1 Clusteranalyse – Grundlagen 161

162

14 Agglomerative Klassifikationsverfahren nearest neighbour (single linkage) O7 (1) O19 (2) O38 (5) O29 (4) O17 (2) O20 (2) O34 (5) O5 (1) O35 (5) O27 (3) O33 (5) O21 (2) O8 (1) O6 (1) O39 (5) O37 (5) O25 (3) O15 (2) O11 (2) O16 (2) O24 (3) O12 (2) O31 (4) O40 (5) O36 (5) O26 (3) O28 (4) O32 (4) O30 (4) O22 (3) O14 (2) O13 (2) O23 (3) O18 (2) O10 (1) O2 (1) O9 (1) O4 (1) O3 (1) O1 (1)

0.6

0.5

0.4

0.3

0.2

0.1

0

Bray-Curtis-Unähnlichkeit - Daten log(10)-transformiert

Abb. 14.1. Nearest-neighbour-Dendrogramm der Weidelgras-Weißklee-Weiden, basierend auf der Dreiecksmatrix in Tabelle 14.1; deutlich ist eine starke Kettenbildung zu erkennen (62.4 % chaining/Kettenbildung). Die Zahlen in Klammern hinter den Aufnahmenummern verweisen auf die pflanzensoziologische Zugehörigkeit der Aufnahmen (Tabelle 13.2)

Mit dem Nearest-neighbour-Verfahren können daher auch in einem ersten Schritt Ausreißer (also besonders unähnliche Objekte) identifiziert werden (Backhaus et al. 2003). In unserem Beispiel haben wir es aber mit einem recht homogenen Datensatz zu tun, das zeigt uns Tabelle 13.2; es handelt sich nur um 2 pflanzensoziologische Subassoziationen. Entsprechend zeichnen sich in Abb. 14.1 auch keine Ausreißer ab. Alle Clusteralgorithmen beginnen mit der Fusion der ähnlichsten Aufnahmepaare, es gibt aber sehr unterschiedliche Möglichkeiten, in den nächsten Schritten die bestehenden Cluster weiter auszubauen. Die Nearest-neighbour-Methode definiert die Ähnlichkeit zwischen 2 Clustern als den Abstand zwischen den beiden am nächsten benachbarten Objekten in den Clustern. Die gegenteilige Strategie wäre, diesen Abstand als die Distanz zwischen den beiden entferntesten Elementen in den beiden Clustern zu definieren. Dieses Verfahren wird complete linkage bzw. auch farthest neighbour genannt. Der zweite Begriff ist allerdings etwas irreführend, denn natürlich werden auch hier ähnliche Cluster fusioniert, die Ähnlichkeit ist hier nur anders definiert. Die Methode führt zu klaren Clusterstrukturen, wobei die Cluster in der Tendenz eine ähnliche Größe haben. Entsprechend gering ist die Tendenz zur Kettenbildung; in unserem Beispiel waren es weniger als 5 % (Abb. 14.2). Wie erwartet sind die Gruppen ähn-

14.1 Clusteranalyse – Grundlagen

163

lich groß. Die Farthest-neighbour-Methode wird immer eher klare Cluster produzieren: Das gilt leider auch dann, wenn der eigentliche Datensatz eher kontinuierliche Übergänge zeigt. Diese Schwäche hat damit zu tun, dass sie, ähnlich wie die Nearest-neighbour-Methode, nur jeweils ein Element innerhalb der verglichenen Cluster nutzt. Die Farthest-neighbourMethode zeigt für unser Beispiel eine Dendrogrammstruktur, die mit Blick auf die Ursprungstabelle gut nachzuvollziehen ist (Tabelle 13.1). Der Algorithmus wird gelegentlich als die beste Methode empfohlen (Lepš u. Šmilauer 2003), und einen ähnlichen Ansatz verfolgt auch eine neue hierarchische Klassifikationsmethode basierend auf ordinalskalierten Variablen (ordinal cluster analysis - H, Podani 2005). Zwei weitere Methoden werden allerdings in der Ökologie häufiger verwendet, die jeweils alle Objekte in den Clustern berücksichtigen. complete linkage (farthest neighbour) O38 (5) O29 (4) O31 (4) O25 (3) O26 (3) O28 (4) O22 (3) O35 (5) O40 (5) O36 (5) O39 (5) O37 (5) O34 (5) O33 (5) O32 (4) O30 (4) O20 (2) O17 (2) O27 (3) O23 (3) O19 (2) O24 (3) O12 (2) O14 (2) O13 (2) O16 (2) O15 (2) O11 (2) O21 (2) O8 (1) O6 (1) O7 (1) O18 (2) O10 (1) O4 (1) O3 (1) O2 (1) O5 (1) O9 (1) O1 (1) 0.96

0.8

0.64

0.48

0.32

0.16

0


Abb. 14.2. Complete-linkage-Dendrogramm der Weidelgras-Weißklee-Weiden basierend auf der Dreiecksmatrix in Tabelle 14.1 (4.3 % chaining/Kettenbildung). Die Zahlen in Klammern hinter den Aufnahmenummern verweisen auf die pflanzensoziologische Zugehörigkeit der Aufnahmen (Tabelle 13.2)

Eine nahe liegende Strategie ist, für eine gegebene Gruppe den Mittelwert der Abstände zwischen allen Elementen zu berechnen. Das Fusionsprinzip ist dann, Cluster oder einzelne Objekte an die Gruppe anzuschließen, zu der der Mittelwert aller wechselseitigen Abstände am geringsten ist. Entsprechend wird die Methode group average (GA) genannt. Das Prinzip verdeutlicht Abb. 14.3 für artenarme Aufnahmen von der Nordseeküste, wie wir sie schon in Kap. 4.3 benutzt haben. Der Algorithmus hat bereits Cluster A und B erkannt. Aufnahme O4 wird jetzt im nächsten

164


Schritt an Cluster B angeschlossen, obwohl der Abstand zum nächsten Nachbarn eher eine Fusion mit Cluster A nahe legen würde. Der Grund ist, dass der mittlere Abstand der Aufnahmen aus Gruppe B zu Aufnahme O4 geringer ist als der mittlere Abstand von O4 zu den Elementen des Clusters A. Das gilt auch für die dritte Alternative, nämlich für die Fusion von Cluster A und Cluster B. Die Berechnung des mittleren Abstandes von O4 zum größeren Cluster B berücksichtigt also mehr Einzelabstände als für die Alternative O4 und Cluster A. Da die ursprünglichen Distanzen gleichmäßig in die Mittelwertbildung eingehen und nicht etwa eine Korrektur für die Zahl der Objekte im Cluster gemacht wird, wird der Algorithmus auch unweighted pair group method using arithmetic means (UPGMA) genannt. Je nach Berechnung der mittleren Distanz zwischen Clustern gibt es Varianten (Medianmethode, Zentroidmethode), die aber, anders als die UPGMA-Methode, im Dendrogramm weniger gut die ursprüngliche Unähnlichkeit/Distanz zwischen den Objekten abbilden (s. unten). In unserem Beispiel zeigt das UPGMA-Dendrogramm (Abb. 14.4) eine eher klare Struktur, Kettenbildung ist von mäßiger Bedeutung (12 %). In einem homogenen Datensatz wie dem vorliegenden zeigt die UPGMAMethode immer etwas Kettenbildung, auch ist die Clusterstruktur häufig nicht sehr klar. Dennoch zeichnen sich 2 getrennte große Cluster ab, die wir ja auch in der Ursprungstabelle unterschieden haben (Tabelle 13.2). Das Ergebnis deckt sich überraschend gut mit der pflanzensoziologischen Klassifikation (Tabelle 13.2) und dem Complete-linkage-Dendrogramm. Die Tatsache, dass verschiedene Methoden zu ähnlichen Ergebnissen führen, kann als Hinweis auf eine recht stabile Klassifikation gedeutet werden. Die UPGMA-Methode bildet die ursprünglichen Abstände weitgehend unverzerrt in der Länge der Äste des Dendrogramms ab, sie ist space conserving. Das lässt sich leicht am Beispiel der Aufnahmen 10 und 18 im unteren Drittel von Abb. 14.4 überprüfen. Aus dem Dendrogramm würden wir die Unähnlichkeit auf ca. 0.40 schätzen, in der ursprünglichen Dreiecksmatrix (Tabelle 14.1) ist sie mit 0.39 angegeben. Für die Aufnahmen 5 und 18 ergibt sich ca. 0.54 im Dendrogramm gegenüber 0.58 in der Dreiecksmatrix. Die Unähnlichkeiten werden also kaum verzerrt. Will man überprüfen, ob ein beliebiges Cluster-Diagramm die ursprünglichen Abstände gut abbildet, kann man, ähnlich wie bei der NMDS, die Unähnlichkeiten/Distanzen zwischen den Objekten aus dem Dendrogramm ablesen und eine neue Dreiecksmatrix („cophenetische Distanzmatrix“) erstellen. Diese kann dann mit der ursprünglichen Dreiecksmatrix korreliert werden, als Ergebnis erhält man – wie in der NMDS (Kap. 12.3) – einen Stresswert oder ein Streudiagramm, das einem Shepard-Diagramm entspricht (vgl. Abb. 12.4).

14.1 Clusteranalyse – Grundlagen

165

Abb. 14.3. Prinzip der UPGMA(Group-average-)Methode bei der Fusionierung von Clustern. Als Beispiel dient ein einfaches System mit 2 Arten, dargestellt ist die Position von 10 Aufnahmen im 2dimensionalen Artenraum. Die Methode hat im ersten Schritt 2 klare Cluster erkannt, Aufnahme O4 wird im nächsten Schritt an Cluster B fusioniert, weil die mittlere Distanz von O4 zu allen Elementen in diesem Cluster am geringsten ist

UPGMA (group average) O38 (5) O29 (4) O27 (3) O23 (3) O35 (5) O34 (5) O33 (5) O39 (5) O37 (5) O40 (5) O36 (5) O32 (4) O30 (4) O20 (2) O17 (2) O19 (2) O31 (4) O25 (3) O26 (3) O28 (4) O22 (3) O14 (2) O13 (2) O24 (3) O12 (2) O16 (2) O15 (2) O11 (2) O7 (1) O21 (2) O8 (1) O6 (1) O5 (1) O18 (2) O10 (1) O9 (1) O2 (1) O4 (1) O3 (1) O1 (1) 0.72

0.6

0.48

0.36

0.24

0.12

0


Abb. 14.4. UPGMA- (Group-average-)Dendrogramm der Weidelgras-WeißkleeWeiden (Unähnlichkeit: s. Tabelle 14.1). Es ergibt sich eine deutliche Struktur mit 5 Hauptgruppen, die z. T. gut mit den Complete-linkage-Gruppen und den pflanzensoziologischen Gruppen übereinstimmen (11.9 % chaining/Kettenbildung)

Als letzter Ansatz sei jetzt noch die Wards-Methode beschrieben. Sie geht auch von allen Elementen in dem Cluster aus, allerdings wird hier nicht der Mittelwert der Distanzen innerhalb des Clusters, sondern die Summe der Abweichungsquadrate innerhalb des Clusters betrachtet, also

166


ein Term, der mit der Varianz verwandt ist. Die Abweichungsquadrate innerhalb des Clusters lassen sich als die quadrierten Abstände aller Objekte in dem Cluster berechnen, diese werden dann auf die Anzahl der Elemente in dem Cluster standardisiert. Es wird so fusioniert, dass die Summe der Abweichungsquadrate innerhalb der neuen Cluster möglichst gering bleibt, daher wird der Algorithmus auch Minimum-variance-Methode genannt. Das Ergebnis sind meist klarere Gruppenstrukturen als bei UPGMADendrogrammen (Abb. 14.5); auch sorgt die Methode für relativ ausgeglichene Clustergrößen, also für Cluster mit einer ähnlichen Zahl von Objekten (Bahrenberg et al. 2003). Kettenbildung spielt praktisch keine Rolle (in unserem Beispiel 5.5 %). Die Methode ist ebenfalls nahezu space conserving. Allerdings sollte für die Berechnung der Abweichungsquadrate ein metrisches Abstandsmaß (Euklidische Distanz) gewählt werden (Backhaus et al. 2003; Legendre u. Legendre 1998). Das bedeutet, dass die Wards-Methode Euklidische Distanzen nutzt und im Dendrogramm quadrierte Euklidische Distanzen abbildet, denn die Abstände zwischen den Objekten werden ja wie bei der Varianz auch quadriert. Kombinationen mit asymmetrische Maßen wie der Sörensen-Unähnlichkeit sind also eigentlich nicht zulässig, auch wenn manche Programme dies erlauben. Mit dem Distanzmaß gehen auch hier die in Kap. 4 geschilderten Probleme einher, so dass Anwendungen bei Artdaten immer etwas kritisch zu betrachten sind. minimum variance (Wards-Methode) O35 (5) O40 (5) O36 (5) O37 (5) O34 (5) O21 (2) O17 (2) O38 (5) O29 (4) O33 (5) O32 (4) O22 (3) O31 (4) O28 (4) O20 (2) O39 (5) O16 (2) O25 (3) O15 (2) O11 (2) O30 (4) O27 (3) O19 (2) O14 (2) O13 (2) O24 (3) O12 (2) O26 (3) O23 (3) O18 (2) O10 (1) O8 (1) O6 (1) O7 (1) O9 (1) O5 (1) O2 (1) O4 (1) O3 (1) O1 (1) 6

5

4

3

2

1

0

quadrierte Euklidische Distanz - Daten log(10)-transformiert

Abb. 14.5. Dendrogramm der Weidelgras-Weißklee-Weiden basierend auf der Minimum-variance- (Wards-)Methode (Astlängen entsprechen quadrierten Euklidischen Distanzen, 5.5 % chaining/Kettenbildung)

14.2 Auswertung von Dendrogrammen

167

Bei Artdaten können also sehr unähnliche Objekte als sehr ähnlich erscheinen; das gilt v. a. dann, wenn der Datensatz viele Nullwerte enthält, also relativ heterogen ist (z. B. DCA-Gradientenlänge > 3 SD). Das ist der prinzipielle Nachteil der Minimum-variance-Methode, spielt aber bei homogenen Datensätzen wie dem hier verwendeten keine Rolle. Allerdings scheinen die Abstände zwischen den großen Gruppen durch die Quadrierung viel klarer als in der Distanzmatrix, was bei der Interpretation berücksichtigt werden muss. Andere, mehr theoretische Probleme betreffen die aus der univariaten Statistik bekannten Probleme bei varianzbasierten Analysen (Normalverteilung, Varianzhomogenität etc.). Dennoch ist die Minimum-variance-Methode ein sehr weit verbreiteter Algorithmus und ergibt gerade bei Datensätzen mit wenigen Nullwerten oft gute Ergebnisse. Es gibt entsprechende Alternativen zu diesem Algorithmus, die eine flexible Wahl des Distanzmaßes erlauben, hier aber nicht weiter diskutiert werden sollen (z. B. flexible clustering, Legendre u. Legendre 1998; McCune et al. 2002).

14.2 Auswertung von Dendrogrammen Das generelle Interpretationsprinzip haben wir bereits genutzt; die Länge der Äste ist ein Maß für die Unähnlichkeit/Distanz zwischen den Objekten. Bei den Algorithmen, die die Abstände wenig verzerren (UPGMA, minimum variance) kann man die ursprüngliche Unähnlichkeit/Distanz in der Dreiecksmatrix sogar aus dem Diagramm ablesen. Im Prinzip ohne Belang ist dagegen die Reihenfolge der Objekte im Dendrogramm. Am besten stellen wir uns das Dendrogramm als ein (zugegebenermaßen kompliziertes) Mobile vor, bei dem die einzelnen Teile jeweils frei um die Verzweigungspunkte gedreht werden können. So sind in Abb. 14.5 (unteres Drittel) die beiden Aufnahmen 10 und 8 ebenso unähnlich wie die Aufnahmen 10 und 6 oder 10 und die Aufnahme 1. Dies zeigt sich auch, wenn die Reihenfolge der Objekte vor der Klassifikation verändert wird, denn dann ändert sich die Reihenfolge im Dendrogramm. Allerdings bleibt die Struktur der Gruppen, also die Länge der Äste, i. d. R. unverändert – es sei denn, es gibt viele Bindungen, also Paare mit gleichen Werten in der Distanzmatrix. Diese Gefahr ist bei qualitativen Daten zwar höher als bei quantitativen, aber allgemein sind solche Bindungen in ökologischen Dreiecksmatrices eher selten. Daher sind die Ergebnisse der Cluster-Analysen in dem entscheidenden Punkt, also der Gruppenstruktur, unempfindlich gegen Änderungen in der Reihenfolge der Objekte im Datensatz.

168


Allgemein sollten die hier empfohlenen Fusionsalgorithmen weitgehend ähnliche Gruppenstrukturen (aber nicht Reihenfolgen) zeigen, wenn Abstandsmaß und Transformationen gleich gewählt worden sind. Aus diesem Grund ist es unabdingbar, letztere im Methoden- und Ergebnisteil zu dokumentieren. Dazu gehört dann neben dem Dendrogramm auch eine Skala, die angibt, wie das Dendrogramm skaliert wurde (s. z. B. Skala in Abb. 14.5 unten). Problematisch ist die Frage nach der Zahl der zu betrachtenden Gruppen. Sie hängt v. a. von der Fragestellung ab. So kann auf Basis externer Informationen entschieden werden, wie viele Gruppen betrachtet werden sollen; ein Beispiel wäre der Vergleich verschiedener numerischer Klassifikationen untereinander oder in der Vegetationskunde der Vergleich mit pflanzensoziologischen Gruppen (Wesche et al. 2005). Die Heranziehung externer Informationen bedeutet aber natürlich auch, dass die einzelne Klassifikation nicht als selbständiges, unabhängiges Verfahren betrachtet wird. Aus diesem Grund gibt es verschiedene Vorschläge, die Zahl der Gruppen auf Basis des Dendrogramms festzulegen. Es muss also eine Entscheidung getroffen werden, wo das Dendrogramm durchgeschnitten wird. Zeigt das Diagramm wenig Kettenbildung wie z. B. in Abb. 14.5, dann sind die Hauptgruppen meist deutlich (in Abb. 14.5 2 Obergruppen, von denen eine 2 Untergruppen hat). Aber: Die Minimum-variance-Methode zeigt fast immer klare Gruppenstrukturen im linken Bereich des Dendrogramms (bei der hier verwendeten Orientierung), weil hier ja quadrierte Distanzen eingehen. Als Folge davon werden wachsende Unterschiede überproportional betont. Dies ist einer der Gründe, warum gelegentlich Autoren vorschlagen, die Dendrogramme nicht nach den ursprünglich verwendeten Abständen, sondern nach standardisierten Informationsmaßen zu skalieren und so besser untereinander vergleichbar zu machen (z. B. McCune et al. 2002). Aber auch nach Auswahl einer geeigneten Skalierung bleiben i. d. R. die feineren Gruppenstrukturen im rechten Bereich der Dendrogramme weniger eindeutig. Eine Möglichkeit wäre, durch Permutationstests (Kap. 17) auf den verschiedenen Niveaus abzuschätzen, bis zu welcher Auflösung die Gruppenstruktur noch signifikant ist (van Tongeren 1995). Dieses Verfahren ist rechenaufwändig, und Standardprogrammpakete enthalten oft keine entsprechenden Optionen. In jedem Fall ist hier darauf zu achten, dass nur innerhalb des jeweils übergeordneten Clusters randomisiert wird, weil bei Randomisierung über den ganzen Datensatz auch vollkommen zufällige Cluster als signifikant erscheinen können (Details: Hunter u. McCoy 2004). Ein weiterer, ebenfalls permutationsbasierter Ansatz ist, für die interessierenden Hierarchieebenen abzuschätzen, ob die Cluster noch durch signifikant charakteristische Arten gekennzeichnet sind (indicator

14.2 Auswertung von Dendrogrammen

169

species analysis, s. Kap. 17.6). Alternativ ließe sich auch durch eine Diskriminanzanalyse (Kap. 16.4) überprüfen, wie gut die Klassifikation ist und wodurch die jeweiligen Cluster charakterisiert sind. Eine einfachere Möglichkeit ist es, das Fusionsniveau zwischen den Clustern gegen die Zahl der Cluster abzutragen, also nach Sprüngen in der Distanz zwischen den Clustern zu suchen (Bahrenberg et al. 2003; McGarigal et al. 2000). Wenn es klare Strukturen gibt, sollte sich das als Knick in der Kurve bemerkbar machen. Dieser Knick wird auch Ellenbogen genannt (Backhaus et al. 2003). In unserem Beispiel zeichnet sich für das UPGMA-Dendrogramm (Abb. 14.6) praktisch kein Knick ab, der Datensatz ist relativ homogen und ohne große Sprünge. Die Minimum-variance(Wards-)Methode findet dagegen sehr klare Gruppenstrukturen; zwischen dem dritt- und dem vierthöchsten Fusionsniveau zeichnet sich ein Sprung ab. Dennoch ist dies kein strenges formales Verfahren, denn die Deutlichkeit des Ellenbogens hängt natürlich von der letztlich willkürlichen Skalierung der Achsen ab. Dieser Ansatz kann also nur eine Interpretationshilfe geben. 6.0

UPGMA

Minimum Variance

5.0

0.8 Distanz

Unähnlichkeit

1.0 0.6 0.4 0.2

4.0 3.0 2.0 1.0

0.0

0.0 0

3

6

9

Anzahl Gruppen

12

15

0

3

6

9

12

15

Anzahl Gruppen

Abb. 14.6. Niveau der Fusionslevel für die obersten 15 Fusionierungspunkte in den Dendrogrammen 14.4 und 14.5

Im Allgemeinen werden aber Verfahren genutzt, die externe Information zur Erklärung mit heranziehen. Als Möglichkeiten bietet sich z. B. der erwähnte Vergleich mit einer verfügbaren pflanzensoziologischen Klassifikation an. Das kann geschehen, indem die Zugehörigkeit zu einer pflanzensoziologischen Gruppe direkt neben die Objektbezeichnung geschrieben wird, wie das in Abb. 14.1 geschehen ist. Auch andere Gruppenvariablen wie z. B. Aufnahmelokalitäten können hier sinnvoll sein. In jedem Fall ist rasch zu sehen, inwieweit sich die Gruppierungen mit denen der Clusteranalyse decken. Man kann diesen Schritt auch noch weiter verfeinern, indem man mit einer Kreuztabelle überprüft, wieviel von jeder externen Gruppe in welches Cluster fällt. Solche Kreuztabellen lassen sich mit nahezu jedem Tabellenkalkulationsprogramm erstellen. Ein verbreiteter Ansatz ist die Überlagerung von Klassifikationen und Ordinationen. Wir haben hier eine PCA benutzt, weil der Datensatz ja eher

170


homogen ist. Für Abb. 14.7 wurden die Ergebnisse der UPGMA-Analyse aus Abb. 14.4 verwendet, um in Anlehnung an Tabelle 13.2 5 Cluster von Aufnahmen zu definieren. Diese Gruppenstruktur wurde dann durch Symbole im Ordinationsdiagramm kodiert. Die Abb. 14.7 zeigt jetzt auf einen Blick, dass gemeinsam geclusterte Aufnahmen auch in der PCA beieinander stehen. Dabei scheint es Überlappungen zwischen den Clustern zu geben, aber um das zu beurteilen, müssten wir uns auch die weiteren Ordinationsachsen ansehen, denn Gruppen, die im 3dimensionalen Raum getrennt sind, können im 2dimensionalen Raum überlappend erscheinen. Ähnlich können wir auch mit einer pflanzensoziologischen Klassifikation der Daten vorgehen (Abb. 14.7 b) und sehen dann, inwieweit sich PCA und Tabellenarbeit decken. Das lässt sich natürlich auch durch Nutzung von Umweltvariablen in der Ordination erweitern. Es kann auch mit univariater Statistik getestet werden, ob sich die Cluster im Hinblick auf wichtige Umweltvariablen unterscheiden (weitere Möglichkeiten: s. z. B. Legendre u. Legendre 1998; McGarigal et al. 2000).

Abb. 14.7. a PCA der Weidelgras-Weißklee-Weiden überlagert mit der Zugehörigkeit zu den 5 Hauptgruppen aus der UPGMA-Analyse (Abb. 14.4, Daten logarithmiert, Varianz-Kovarianzmatrix-PCA, erklärte Varianz: Achse 1: 20.44; Achse 2: 10.85). b zeigt die gleiche Ordination, jetzt wurde allerdings die pflanzensoziologische Zugehörigkeit über das Diagramm gelegt (s. Tabelle 13.2)

Zum Schluss bleibt immer die Frage, ob die Klassifikation im Licht der sonst verfügbaren Informationen sinnvoll ist. Das ist zentral, denn es gibt ja nicht die objektiv richtige Gruppierung, und auch eine Clusteranalyse hängt von subjektiven Entscheidungen ab. Es reicht also nicht, einfach ein Dendrogramm abzubilden, denn eine Grafik wird von der Software immer erstellt, auch wenn der Datensatz gar keine klare Gruppenstruktur hat.

15 Divisive Klassifikationsverfahren

15.1 Ordination Space Partitioning Divisive Klassifikationsmethoden versuchen, den gesamten Datensatz zu betrachten und diesen in sukzessiv kleiner werdende Gruppen aufzuteilen. Sie gehen also vom Gesamtbild aus, während die geschilderten agglomerativen Verfahren von Vergleichen zwischen einzelnen Objekten ausgehen. Eine nahe liegende Methode für ein divisives Verfahren könnte mit der Ordination aller Daten beginnen. Gibt es sehr klare Gruppenstrukturen sollten sie sich im Ordinationsdiagramm widerspiegeln, wir können dann visuell Gruppen ausmachen und markieren. Dieses Vorgehen wird als ordination space partitioning bezeichnet, also als Aufteilung des Ordinationsraumes. Abb. 15.1 macht deutlich, dass diese Methode ähnliche Ergebnisse liefern kann wie andere Klassifikationsverfahren. Im Vergleich mit Abb. 14.7 b wird klar, dass die 4 visuell abgrenzbaren Gruppen z. T. den pflanzensoziologischen Gruppen entsprechen. Gruppen 1 und 2 (Abb. 15.1) sind dabei verhältnismäßig eindeutig, weniger klar ist allerdings die Abgrenzung der Gruppen 3 und 4. Wie die gestrichelte Linie andeutet, könnte man die Grenze zwischen den Gruppen 3 und 4 durchaus anders legen oder auch beide zusammenfassen. Das Problem der Willkürlichkeit wird dabei immer größer, je feiner die Klassifikation sein soll. Ordination space partitioning ist also keine formale, von verschiedenen Bearbeitern reproduzierbare Klassifikationsmethode und wird daher in ihrer einfachen Form auch kaum noch angewandt. Es gibt aber ein formalisiertes Verfahren für die Aufteilung eines Ordinationsraumes, das breite Verwendung gefunden hat. Dem soll der Hauptteil dieses Kapitels gewidmet sein.

15.2 TWINSPAN Trotz der geschilderten Probleme haben Ordinationsverfahren eine gewisse Bedeutung für Klassifikationsprobleme, denn sie liegen der zumindest in

172


der Vegetationskunde bisher wahrscheinlich am häufigsten verwendeten Methode zugrunde, der sog. two way indicator species analysis. TWINSPAN ist eine hierarchische divisive Methode und ist in der Präsentation ihrer Ergebnisse vergleichbar mit der pflanzensoziologischen Tabellenarbeit. Tatsächlich ist sie auch von Hill (1979) in Anlehnung an diese entwickelt worden. Der Algorithmus basiert auf der kurz vorher entwickelten Korrespondenzanalyse (Kap. 6). Wenn man so will, ist das Prinzip von TWINSPAN dann auch sukzessives ordination space partitioning auf Basis wiederholter Korrespondenzanalysen. Der eigentliche Algorithmus ist wegen der vielen nötigen Schritte sehr aufwändig, und wir wollen hier nur das Prinzip verdeutlichen. Der Text ist etwas ausführlicher als bei anderen Klassifikationsmethoden, da es keine leicht verfügbare deutsche Erklärung zu TWINSPAN gibt. Wir folgen dabei der relativ leicht verständlichen Darstellung in Kent u. Coker (1992). Es beginnt mit einer ersten Korrespondenzanalyse des gesamten Datensatzes, die die Variablen und Objekte in eine Reihenfolge bringt. Da wir nur die Reihenfolge auf der ersten Achse interpretieren wollen, ist detrending nicht nötig, denn die CA zeigt ja „nur“ einen Arch-Effekt und keinen Horseshoe-Effekt, verfälscht also die Reihenfolge entlang der ersten Achse nicht. Dennoch wäre es auf Basis dieser Analyse schwierig festzulegen, wo die erste Trennlinie zwischen Gruppen liegen sollte, denn viele Objekte, aber auch Variablen (Abb. 15.2) liegen nahe der Mitte. Aus diesem Grund versucht der Algorithmus in einer zweiten, vereinfachten Ordination ein klareres Bild zu erzeugen. Dazu wird überprüft, welche Arten in der Korrespondenzanalyse klare Präferenzen für eine der beiden Seiten des Ordinationsdiagramms zeigen. Abb. 15.1. Ordination space partitioning. PCA wie Abb. 14.7, allerdings ohne Symbolcodes für eine Gruppenvariable; die Trennlinien wurden nachträglich nach visuellem Eindruck eingefügt (Daten logarithmiert, erklärte Varianz: Achse 1: 20.44; Achse 2: 10.85

15.2 TWINSPAN

173

Abb. 15.2. Korrespondenzanalyse der Daten der Weidelgras-Weißklee-Weiden (Tabelle 13.1). Aus Gründen der Übersichtlichkeit sind hier nur einige typische Arten eingetragen worden (Deckungswerte logarithmiert, downweighting of rare species). Im Text erwähnte Indikatorarten: Ceraarve = Cerastium arvense; Ranubulb = Ranunculus bulbosus; GaliverA = Galium verum agg.; Ranurepe = Ranunculus repens; Poa triv = Poa trivialis, Trifrepe = Trifolium repens, Eryncamp = Eryngium campestre, Lathprat = Lathyrus pratensis, Centjace = Centaurea jacea

Diese Arten werden dann als Indikatorarten für eine Aufteilung der Objekte genutzt, wenn sie möglichst nur in Aufnahmen auf der rechten Seite oder nur in Aufnahmen auf der linken Seite des Diagramms vorkommen. Die linke Seite ist im Algorithmus immer die negative Seite, die rechte immer die positive. Das Kriterium ist ein sog. Indikatorwert (indicator value); definiert als die relative Frequenz einer Art in der negativen Gruppe, subtrahiert von der relativen Frequenz in der positiven Gruppe (jeweils in % der Gesamtaufnahmen in der Gruppe):

Ij = +

n +j n+

−

n −j n−

(15.1)

Ij: Indikatorwert der Art j; n j Anzahl von Aufnahmen mit der Variable/Art j in der rechten, positiven Gruppe; n+ Anzahl der Aufnahmen in der rechten Gruppe; n-j Anzahl von Aufnahmen mit der Art in der linken, negativen Gruppe; n- Anzahl der Aufnahmen in der linken Gruppe. Auch hier taucht also ein Maß für die Frequenz bzw. die Treue der Art in Anlehnung an die Pflanzensoziologie auf (Kap. 13.1). Die Arten mit den

174


höchsten positiven bzw. negativen Indikatorwerten werden als Indikatorarten gewählt. Gewöhnlich wird die Zahl pro Teilung möglicher Indikatorarten vom Nutzer auf maximal 5-10 Arten begrenzt, und meist werden von dem Programm deutlich weniger Arten wirklich für die Teilung genutzt. In unserem Beispiel sind u. a. Cerastium arvense, Ranunculus bulbosus und Galium verum Indikatorarten für die rechte Seite und Ranunculus repens, Poa trivialis und Trifolium repens Indikatorarten für die linke Seite. Sie liegen jeweils im mittleren rechten bzw. linken Bereich des Ordinationsdiagramms, sind also vermutlich zuverlässig von der CA abgebildet worden (also nicht z. B. seltene Ausreißer, vgl. Kap. 7). Jetzt werden für jede Aufnahme die Indikatorwerte der z. B. 6 Indikatorarten addiert und die Aufnahmen mit dieser Summe als Indikatorkoordinaten entlang einer neuen Achse aufgetragen. Diese 1dimensionale Ordination wird refined ordination (verbesserte Ordination) genannt. Sie zeigt üblicherweise eine klarere Gruppenstruktur, so dass es leichter ist, hier die Grenze zwischen den beiden Gruppen zu ziehen. Die Indikatorordination bedeutet einen großen Informationsverlust, denn es werden nur die deutlichsten Arten benutzt. Aus diesem Grund bietet TWINSPAN hier eine Kontrolle an, indem es prüft, inwieweit die Reihenfolge der Aufnahmen in der ursprünglichen Korrespondenzanalyse mit der Reihenfolge in der Indikator-Ordination übereinstimmt. Dazu werden die Koordinaten der ersten CA-Achse auf der X-Achse des Streudiagramms aufgetragen, die Indikatorkoordinaten auf der Y-Achse (Abb. 15.3, hypothetisches Beispiel). Die meisten Aufnahmen werden in beiden Ordinationen eine ähnliche Lage haben, sie liegen in den Bereichen A und D von Abb. 15.3. Dann gibt es Aufnahmen, die sehr nahe an der Grenze zwischen den beiden Gruppen liegen; dies sind die sog. borderline positives und borderline negatives (Bereiche B und E in Abb. 15.3) in der Terminologie von TWINSPAN. Die Breite der kritischen Grenzzone beträgt hierbei 1/5 der Länge der Ordinationsachse. Schließlich gibt es noch Aufnahmen, die hohe Werte in der Indikatorordination haben, aber niedrige Werte in der Korrespondenzanalyse, bzw. umgekehrt. Deren Position wird also in der Indikatorordination nicht adäquat wiedergegeben, dies sind die sogenannten misclassified negatives und misclassified positives (C und F, Abb. 15.3). Ihre Position in der endgültigen Klassifikation ist sehr fragwürdig und muss überprüft werden. Dies geschieht nicht automatisch; wie bei den Cluster-Analysen auch bleibt ein einmal falsch zugeordnetes Objekt bis zum Ende der Analyse in der falschen Gruppe.

15.2 TWINSPAN

175

Abb. 15.3. Vergleich der ursprünglichen Korrespondenzanalyse mit den Indikatorkoordinaten einer Indikatorordination in einer (hypothetischen) TWINSPANAnalyse. Die Punkte entsprechen Aufnahmen, die durchgezogene Linie gibt die Trennlinie zwischen den beiden Gruppen an. Die gestrichelten Linien deuten die Lage der Grenzbereiche an (Gruppen A u. D: eindeutige Zuordnung; Gruppen B u. E: borderline positives/negatives, Gruppen C u. F: misclassified positives/negatives; nach Hill et al. (1975)

Die Grenze zwischen den Gruppen wird nun wieder iterativ bestimmt, indem der Schwellenwert in der Indikatorordination, also die vertikale Trennlinie in Abb. 15.3, so verschoben wird, dass es möglichst wenige misclassified negatives und positives gibt. Mit der refined ordination wird auf Basis der Indikatorkoordinaten der erste Klassifikationsschritt abgeschlossen. TWINSPAN gibt an, welche Indikatorarten für den Klassifikationsschritt gewählt wurden, welche Aufnahmen wie klassifiziert wurden (analog der Bereiche A-F in Abb. 15.3) und welche Arten ihren Schwerpunkt in den beiden Hauptgruppen von Aufnahmen haben. Dieses Vorgehen wird nun sukzessive weiter in den jeweiligen Teilgruppen fortgesetzt. Das bedeutet, dass in einem zweiten Schritt die negative Gruppe aus dem ersten Schritt aufgeteilt wird, dann im dritten Schritt die positive Gruppe aus dem ersten Schritt. In den folgenden Schritten werden dann diese 4 Teilgruppen ihrerseits aufgeteilt und so immer weiter, bis die gewünschte Feinheit der Aufteilung erreicht ist. Eine letzte wesentliche Komplikation im Algorithmus betrifft die Methode, wie Artabundanzen verarbeitet werden. Das Prinzip von Indikatorarten ist (in Anlehnung an die Pflanzensoziologie) ein weitgehend qualitatives, daher benutzt TWINSPAN für die Berechnung der Indikatorwerte auch nur die Präsenz von Arten und nicht ihre Abundanz. Um aber nun

176


wenigstens einen Teil der ursprünglichen Information zu erhalten, nutzt TWINSPAN nominalskalierte Dummy-Variablen (s. Kapitel 3.3). Das Prinzip verdeutlicht Tabelle 15.1. Die Deckungen der beiden Arten Trifolium repens und Lolium perenne wurden nach der Londo-Skala aufgenommen. Es werden nun für jede Art so viele 0/1-skalierte DummyVariablen eingeführt, wie z. B. Deckungswerte auf der Londo-Skala erreicht wurden. TWINSPAN rechnet dann mit diesen sog. pseudospecies oder Pseudoarten weiter. Bei der Definition der Pseudoarten haben wir auch die Möglichkeit, die Daten direkt zu transformieren. Das geschieht durch die Wahl geeigneter pseudospecies cut levels, also geeigneter Schwellenwerte für die Begrenzung der Pseudoarten. Wenn wir nur einen Schwellenwert angeben (z. B. 0.1), dann werden alle Abundanzen unterhalb als 0, Werte von 0.1 und größer als 1 gewertet. Dies entspricht einer Binärtransformation. Hätten wir dagegen für unsere Londo-skalierten Daten als Schwellenwerte 0.0, 0.4, 1, 5 angegeben, käme das in etwa einer Logarithmierung der Daten gleich (s. a. van der Maarel 1979). Wir erhalten dann 5 Häufigkeitsklassen (inkl. der Klasse 0 = fehlend) mit folgenden Intervallen: 0; > 0 - < 0.4; 0.4 - 50. Gleichzeitig werden aber auch untypische Ausprägungen von Aufnahmen einer Gruppe deutlich (s. Aufnahme aus der rezenten Aue im unteren Bereich im Diagramm). 16.4.2 Voraussetzungen Zur Durchführung der Diskriminanzanalyse müssen streng genommen verschiedene Voraussetzungen hinsichtlich der Datenqualität erfüllt sein. Alle Gruppen müssen die gleiche Streuung haben, d. h. die Varianz-KovarianzStruktur sollte für alle Gruppen homogen sein. Um dies zu gewährleisten, muss die Varianz einer diskriminierenden Variable in jeder Gruppe gleich sein. Außerdem sollte die Korrelation zwischen 2 beliebigen Variablen in jeder Gruppe ebenfalls gleich sein, d. h. die Korrelationsmatrix der diskriminierenden Variablen muss für jede Gruppe homogen sein. Multivariate Normalverteilung der Daten ist ein weiterer Punkt (McGarigal et al. 2000). Häufig erfüllen ökologische Daten diese Voraussetzungen nicht. McGarigal et al. (2000) und McCune et al. (2002) stellen aber fest, dass die Diskriminanzanalyse relativ robust gegenüber Verletzungen dieser Annahmen ist, zumindest wenn ausreichend Objekte vorhanden sind. Dabei gilt: Je mehr diskriminierende Variablen und je mehr Gruppen vorhanden sind, desto größer muss auch das n sein. Nach Williams u. Titus (1988) sollte die Zahl der Objekte für jede Gruppe mindestens 3mal so groß wie die

194

16 Sonstige Verfahren zur Beschreibung von Gruppenstrukturen

Zahl der diskriminierenden Variablen sein. Johnson (1981) empfiehlt eine Gesamtzahl von Objekten, die bei 20 plus 3mal der Zahl der einbezogenen Variablen liegen sollte. Häufig kann eine geringere Objektzahl durch die sinnvolle Reduktion von diskriminierenden Variablen kompensiert werden. Dies gilt v. a. für eng korrelierte Variablen, die z. B. durch eine PCA identifiziert werden können (Kap. 9). 16.4.3 Gütekriterien/Prüfung der Ergebnisse Der Eigenwert, der sich aus SSa/SSw ergibt, ist ein Maß für die Güte (Trennkraft) der Diskriminanzfunktion. Allerdings ist er nicht auf Werte zwischen 0 und 1 normiert, so dass oft andere Quotienten mit herangezogen werden, die entsprechend skaliert sind. Ferner finden z. B. Wilks Lambda (auch als U-Statistik bezeichnet), Cohens Kappa- und TauStatistik Verwendung als Maß für die Signifikanz der Trennung (McCune et al. 2002; McGarigal et al. 2000). Die Qualität eines Diskriminanzmodells zeigt sich auch in der Qualität seiner Klassifizierungsergebnisse. Dabei wird für jedes Objekt die Gruppenzugehörigkeit auf der Grundlage des in der Diskriminanzfunktion berechneten Diskriminanzwertes neu zugeordnet. Die Grenzwerte, die die Zuordnung der Objekte zu den Gruppen regeln, werden nach bestimmten Optimierungsregeln festgelegt (McGarigal et al. 2000). Die prognostizierten Gruppenzugehörigkeiten können dann mit den beobachteten mit Hilfe einer Klassifikationsmatrix verglichen werden. Je besser das Diskriminanzmodell ist, desto höher ist dabei die Übereinstimmung in der Gruppenzugehörigkeit – wobei dieser Test allerdings nur dann zuverlässig ist, wenn zur Überprüfung Daten verwendet werden können, die nicht bereits in die Berechnung des Modells eingegangen sind. Daher wird die Signfikanz der Diskriminanzfunktionen häufig durch Resampling-Techniken, z. B. Bootstrap- oder JackknifeVerfahren abgeschätzt (McCune et al. 2002; McGarigal et al. 2000). Hier werden die Diskriminanzfunktionen jeweils mit einem zufällig ausgewählten Subset der Daten berechnet, die verbleibenden Objekte dienen als Testdatensatz. Wenn dieses resampling vielfach wiederholt wird, bekommt man einen Eindruck von der Stabilität und Zuverlässigkeit der Diskriminanzfunktion. Ein reales Beispiel für so ein Vorgehen geben Anchorena u. Cingolani (2002).

17 Permutationsbasierte Tests

Klassische Statistik verwendet parametrische Verfahren, um TestStatistiken zu berechnen (z. B. t-, F-, r-Werte), deren Signifikanz dann durch Abgleich mit entsprechenden Tabellen eingeschätzt wird. Diese Verfahren setzen aber eine Normalverteilung der Fehler und homogene Varianzen voraus (Kap. 3.1). Ist das nicht gegeben oder sind – wie in vielen Spezialfällen – die nötigen Tabellen gar nicht bekannt, können Resampling-Verfahren Abhilfe schaffen. Sie generieren eine statistische Referenzverteilung aus den Daten selbst. Das erlaubt robuste Schätzungen von z. B. Signifikanzniveaus. Zu dieser Gruppe von Methoden gehören Permutationstests, Bootstrap- und Jackknife-Verfahren (Manly 1998). Genauer werden wir hier nur auf Permutationstests eingehen, da diese u. a. bei Ordinationsverfahren eine Rolle spielen.

17.1 Das Prinzip von Permutationstests Schauen wir uns zunächst anhand eines einfachen Beispiels die grundlegende Idee eines Permutationstests an. Wir verwenden dafür die Daten aus Abb. 2.14 (Tabelle 17.1). Wir haben einen Datensatz mit der Abundanzen Y der Art 2 (n = 38) und dazu Angaben zur Bodenart an den Standorten. Unsere Frage lautet, ob die Bodenart einen Effekt auf die Abundanz der Art hat. Wir vergleichen dafür die beiden Mittelwerte der Abundanzen auf Sand- und Tonboden miteinander. Normalerweise ist dies ein klassischer Fall für einen t-Test, der allerdings ein parametrisches Verfahren ist (und Normalität und Varianzhomogenität der Daten voraussetzt). Eine nichtparametrische Alternative wäre ein Mann-Whitney-U-Test, aber wir wollen hier zeigen, dass ein Permutationstest ebenfalls sehr effektiv sein kann. Die Mittelwerte betragen MW = 5.47 für Sand und MW = 2.84 für Ton, die mittlere Differenz ist 2.63. Sind diese Werte nun signifikant unterschiedlich? Statt Standardfehler, t-Wert etc. zu berechnen, wenden wir einen Permutationstest an.

196


Tabelle 17.1. Datensatz aus Abb. 2.14 mit Abundanz Y der Art 2 und Bodenart. Die reale Bodendatenverteilung gibt Zeile 3 wider. Durch zufälliges Verteilen der Bodendaten auf die Artdaten werden neue Datensätze generiert (Zeile 4 und 5). Dies wird viele Male wiederholt. Objekt Nr. Y2 Boden real neu1 neu2 neu...

1 1 1 1 1 1 1 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6

1 7

1 1 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8

3 8 4 1 1 2 3 6 5 5 6 7 3 8 9 9 10 8 6 1 5 1 1 1 3 2 4 4 3 3 4 2 4 3 3 4 3 3 S S S S S S S S S S S S S S S S S S S T T T T T T T T T T T T T T T T T T T T S T S T T S T T S S T S S S T T S T S T S T S T T T S T S T T S S S S S T S S T S T S T T T S S T T S S S S T S T T T T S S S T T S T T S T S S T S T ...

Wir verteilen dafür die Bodendaten zufällig auf die Abundanzdaten (Tabelle 17.1) und berechnen einen neuen Mittelwert für Sand und Ton (Tabelle 17.2). Diesen Prozess lassen wir nun sehr häufig (hier z. B. 15000mal) ablaufen. Ein Histogramm der Mittelwertunterschiede (Abb. 17.1) zeigt, dass die Mittelwertdifferenz Null ist, was wir auch bei zufällig zusammen gewürfelten Datensätzen erwarten können. Interessanter ist aber das rechte Ende des Histogramms. Wir haben in dem realen Datensatz einen Mittelwertunterschied in den Abundanzen zwischen Sand und Ton von 2.63 beobachtet. Die Frage nach der Signifikanz dieses Unterschieds entspricht der Frage, ob dieser Wert innerhalb des Bereichs liegt, in den 95 % aller Werte im Histogramm fallen. In unserem Fall hat das 97.5 %-Perzentil den Wert 1.68; unsere echte Mittelwertdifferenz liegt also weit außerhalb. Ein Blick auf das Histogramm zeigt uns, dass selbst der Maximalwert (der „erwürfelten“ Unterschiede) kleiner als 2.63 ist. Anders ausgedrückt, alle 15 000 zufällig errechneten Wertepaare zeigten geringere Unterschiede als die wirklich beobachteten Wertepaare. Wir können also davon ausgehen, dass die Mittelwerte zwischen Sand und Ton signifikant unterschiedlich sind. Auch kompliziertere Analysen lassen sich mit Permutationstests durchführen. Ein Beispiel ist die Frage, ob die Abundanz einer Art in Beziehung zur Feuchte steht (Abb. 2.4).

MW (Sand) Boden real 5.47 Boden neu1 3.89 Boden neu2 4.05 Boden neu... ...

MW (Ton) 2.84 4.42 4.26 ...

MW Differenz 2.63 -0.53 -0.21 ...

Tabelle 17.2. Mittelwerte (MW) der Abundanzen und MW-Differenz für die in Tabelle 17.1 beschriebenen Datensätze

17.1 Das Prinzip von Permutationstests

197

0

1000

2000

3000

Abb. 17.1. Histogramm von Mittelwertunterschieden aus 15 000 neu generierten Datensätzen mit den Daten aus Tabelle 17.1 (Pfeil: Realer Wert)

-3

-2

-1

0

1

2

3

Mittelwertunterschiede

Wir haben in Kap. 2 den F-Wert verwendet, um zu testen, ob die Feuchte einen signifikanten Anteil der Gesamtvarianz innerhalb des gewählten Regressionsmodells erklärt. Für den gegebenen Datensatz lag der berechnete F-Wert bei F = 45.51. Unter der Null-Hypothese, dass die Feuchte keinen Effekt auf die Abundanz der Art hat, können wir die Feuchtewerte zufällig auf die Abundanzwerte verteilen und somit zahlreiche Datensätze generieren (hier: 500). Deutlich wird in Abb. 17.2, dass selbst der Maximalwert aus den Permutationen unter dem echten F-Wert von 45.51 bleibt. Die Null-Hypothese ist also zu verwerfen; der Zusammenhang ist signifikant. Permutationstests sind also in 5 Schritten durchzuführen: 1. Wahl einer Teststatistik (z. B. Mittelwert, Korrelationskoeffizient r, tWert, F-Wert). 2. Berechnung der Teststatistik für den realen Datensatz. 3. Generierung von vielen neuen Datensätzen per resampling. 4. Berechnung der Teststatistik für jeden neuen Datensatz, um eine Referenzverteilung zu erhalten. Diese zeigt, welche Werte erwartet werden können, wenn die Null-Hypothese zutrifft. 5. Berechnung des Signifikanzlevels, d. h. der Wahrscheinlichkeit, dass der „echte“ Test-Wert (z. B. t-Wert) oder noch größere Werte in der Referenzverteilung vorkommen.


Abb. 17.2. Histogramm von F-Werten aus 500 Permutationen des Datensatzes Abundanz/Feuchte (Abb. 2.4)

0

100

200

300

400

198

0

5

10

15

20

F-Wert

Nach diesem Prinzip können mit Permutationstests praktisch alle statistischen Fragestellungen bearbeitet werden (ausführlich: Manly 1998). Selbst wenn ein Standardtest zulässig wäre, ist ein Permutationstest ähnlich genau wie das Standardverfahren. Besondere Bedeutung haben solche Verfahren aber immer dann, wenn nicht ohne Weiteres ein Standardverfahren genutzt werden kann; das gilt gerade auch in der multivariaten Statistik. Permutationstests sind zwar rechenaufwändig, aber selbst bei komplexen multivariaten Datensätzen stellt dies bei den heute vorhandenen Rechnerkapazitäten i. d. R. kaum ein Problem dar. Das gilt auch für die sehr aufwändigen Permutationstests bei Ordinationen.

17.2 Test auf Signifikanz von Ordinationsachsen Bei der direkten (multivariaten) Gradientenanalyse (CCA, RDA) werden Permutationstests, die hier Monte-Carlo-Tests genannt werden, sehr häufig verwendet. Die Null-Hypothese ist hier, dass die Artdaten nicht in Beziehung zu den Daten der Umweltvariablen stehen. Hier werden im Resampling-Verfahren die Werte der Umweltdaten zufällig auf die Objekte der Artmatrix verteilt, während die Artmatrix konstant bleibt. Dann werden jeweils kanonische Ordinationen durchgeführt, deren Ergebnisse mit der Ordination der realen Daten verglichen werden. Ter Braak u. Šmilauer (2002) empfehlen mindestens 199 Permutationen durchzuführen, um auf dem 5 %-Signifikanzlevel zu testen, je nach Rechnerkapzität sind aber mehr Permutationen natürlich günstiger. Als Teststatistik findet wie im

17.3 Mantel-Test

199

vorhergehenden Beispiel der F-Wert Verwendung; die Frage ist dann, ob der F-Wert der ursprünglichen CCA oder RDA auch in der Monte-CarloSimulation auftaucht, und wenn ja, wie häufig. Für unseren Elbauendatensatz ergibt sich für die erste Achse der CCA bei 500 Permutationen ein FWert von 4.949; p ist 0.002. Das bedeutet, dass nur einer von 500 FWerten höher ist als der F-Wert des realen Datensatzes. Die gängigen Programme unterscheiden sich in den Optionen: PCORD bietet für alle Ordinationsachsen separate Monte-Carlo-Tests an. CANOCO bietet 2 Monte-Carlo-Permutationstests an: 1. einen Signifikanztest für alle kanonischen Achsen zusammen, und 2. einen Signifikanztest für die erste Achse, welches der strengere Test ist. Je nach Software können die Permutationsroutinen auch angepasst werden, um bestimmte Untersuchungsdesigns (z. B. Block-Design, Split-Plot-Design, Zeitreihen) zu berücksichtigen (ter Braak u. Šmilauer 2002). Die Erfahrung zeigt allerdings, dass in großen Datensätzen bei einer Fülle von Umweltvariablen (üblich bei explorativen Untersuchungen) die Tests fast immer signifikante Ergebnisse ergeben. In diesen Fällen ist der Informationswert gering.

17.3 Mantel-Test Die oben beschriebenen Tests auf Signifikanz von Ordinationsachsen beantworten letztlich die Frage, ob das Ergebnis der Ordination ein Zufall sein kann oder nicht. Für eine CCA z. B. würde ein signifikantes Ergebnis bedeuten, dass es einen Zusammenhang zwischen der Verteilung der Arten und den Umweltvariablen gibt. Wie wir in Kap. 11.4 gesehen haben, kann der Anteil der von der CCA erklärten Varianz aber sehr klein sein; das geht so weit, dass die Ordination auch dann noch signifikant sein kann, wenn wir nur unwichtige Umweltvariablen benutzt haben. Der MonteCarlo-Test bei der CCA hat also nur (sehr) begrenzte Aussagekraft; hinzukommt, dass bei großen Datensätzen nicht mehr ganz neue Rechner oft an ihre Grenzen kommen. Wenn, wie bei der CCA, nur die Frage beantwortet werden soll, ob die Umweltdaten mit den Artdaten zusammenhängen, dann sind Mantel-Tests eine weniger aufwändige Alternative. Das Prinzip verdeutlichen wir wieder an unserem Standardbeispiel; Wir haben eine Matrix mit Artgemeinschaftsdaten (Tabelle 1.1) und eine zweite Matrix mit passenden Umweltdaten (Tabelle 1.2). Die Frage soll nun sein, ob die Umweltvariablen mit der Artzusammensetzung in Beziehung stehen. Das lässt sich auch anders formulieren: Sind Objekte, die sich im Hinblick auf ihr Artenset ähneln, auch im Hinblick auf ihre Umweltvariablen ähnlich? Dies können wir als

200


Korrelationsproblem auffassen. Dies wird deutlich, wenn wir uns eine Grafik vorstellen, in der wir die Distanz von Aufnahmen hinsichtlich der Umweltvariablen gegen die Unähnlichkeit hinsichtlich der Artenzusammensetzung auftragen (Abb. 17.3). Basierend auf unseren Kenntnissen aus Kap. 2.3 wäre es nahe liegend, jetzt einfach einen Pearson-Korrelationskoeffizienten zu berechnen und anhand einer Tabelle dessen Signifikanz zu überprüfen. Das ist allerdings nicht zulässig, denn durch die paarweise Berechnung der Unähnlichkeiten/Distanzen wird die Zahl der Replikate scheinbar erhöht. In unserem Beispiel sind es 33 Aufnahmen, also 528 wechselseitige Vergleiche verschiedener Aufnahmen ([33²-33]/2). Es ist also nicht klar, wie groß n hier eigentlich ist, und wir können nicht in einer Standardtabelle die Signifikanzschwelle nachschlagen. Auch hier können wir uns diese aber einfach selbst erstellen, indem wir in einem Permutationstest eine Matrix konstant halten, in der anderen die Zeilenfolge und entsprechend die Folge der Spalten immer wieder durcheinander würfeln und jeweils die Korrelation der Matrices berechnen. Wenn unsere beobachtete Korrelation im Hinblick auf die zufällig generierten Werte ungewöhnlich groß ist (der Test ist einseitig), kann sie als signifikant betrachtet werden. Mantel (1967) hat die Berechnungen noch etwas erleichtert, in dem er eine denkbar einfache Test-Statistik vorgeschlagen hat, die cross products genannt wird.

Abb. 17.3. Streudiagramm, das den Zusammenhang von floristischer Unähnlichkeit und Distanz hinsichtlich der Standortsbedingungen für die Elbauendaten zeigt. Die standardisierte Mantel-Statistik ist rM = 0.522; p < 0.001 (für Artdaten: Bray-Curtis-Unähnlichkeit mit Deckungswerten, für Umweltparameter: Euklidische Distanz mit standardisierten Werten)

17.3 Mantel-Test n −1

Z =¦

n

¦x

ij

y ij

i =1 j = i +1

201

(17.1)

Wir multiplizieren also jeden Eintrag in der einen Matrix (xij) mit dem entsprechenden Eintrag in der anderen Matrix (yij; die Summe dieser Produkte ist dann am größten, wenn jeweils die höchsten Werte der Matrices miteinander multipliziert werden). Diese Vereinfachung gegenüber dem Pearson-Regressionskoeffizienten ist legitim, denn die anderen Terme im Koeffizienten (Mittelwert der Zeilen, Mittelwert der Spalten, vgl. Gl. 2.1) werden durch das Permutieren der Zeilen nicht verändert. Mantels Teststatistik Z kann auf die Varianzen in den Dreiecksmatrices standardisiert werden (Legendre u. Legendre 1998); die sich ergebende standardized Mantel statistic rM kann wie ein normaler Pearson-Korrelationskoeffizient interpretiert werden. Wir haben für unser Beispiel die Umweltvariablen INTENS, STAB, ÜFD, ÜF>50 und MWS durch gemeinsame Standardisierung (auf Standardabweichungen, s. Kap. 3.2) vergleichbar gemacht und eine Euklidische Distanz berechnet. Wir haben die Werte dann mit einer Unähnlichkeitsmatrix aus den Artdaten (Bray-Curtis-Koeffizient) verglichen und folgende Werte erhalten: rM = 0.522 beobachtetes Z = 2724.29 maximales Z aus Permutationen = 2668.00 Anzahl Z aus Permutationen größer als beobachtetes Z = 0 Signifikanz p = 0.0001 Die standardisierte Mantel-Statistik ist mit rM = 0.522 verhältnismäßig hoch und, wie sich aus dem Vergleich des ursprünglichen Z-Wertes (ca. 2724) mit den durch Permutationen erzeugten Z-Werten ergibt, auch hoch signifikant. Kein durch Permutationen erzeugter Wert war so hoch wie der ursprünglich beobachtete, das Ergebnis ist also signifikant (p = 0.0001, 9 999 Permutationen). Das deckt sich mit den Ergebnissen der CCA (s. oben), die ebenfalls einen Zusammenhang bestätigte. Der MantelTest ist aber auch auf einem einfachen Rechner deutlich schneller als ein Permutationstest mittels CCA, und bei geringer Rechnerleistung kann Z für große Datensätze auch so transformiert werden, dass es einem t-Wert ähnelt. Dieser kann dann mit einer t-Verteilung verglichen werden (McCune et al. 2002). Gerade für große n ist dieser Ansatz hinreichend genau.

202


Mantel-Tests sind sehr flexibel und können an viele verschiedene Fragestellungen angepasst werden. Nahezu jedes Problem, dass sich als Vergleich zweier oder mehrerer Matrices formulieren lässt, kann mit einem Mantel-Test oder einem ähnlichen Verfahren bearbeitet werden (Manly 1998). Wir wollen hier nur noch den vermutlich häufigsten Fall besprechen, bei dem die zweite Matrix eine geografische Distanzmatrix ist. Hier testet der Mantel-Test räumliche Autokorrelationen, z. B. im Hinblick auf genetische Ähnlichkeit. Wenn wir in die Matrix mit den geografischen Daten in Entfernungseinheiten skalierte Koordinaten (z. B. Gauss-Krüger, UTM) schreiben, dann können wir die Distanzen leicht mit der Euklidischen Distanz berechnen lassen (Satz des Pythagoras). Der Ansatz ist besonders auch im Vergleich mit der CCA interessant, die bei solchen Daten nicht Distanz, sondern Position testen würde (sie benutzt ja die Koordinaten direkt, nicht die Distanzen). So lässt sich abschätzen, ob ein Phänomen mit der Distanz zusammenhängt (z. B. Pollenausbreitung) oder mit der realen Position (z. B. auf bestimmten Gesteinstypen, s.a. McCune et al. 2002). Beispiele für die Nutzung mehrerer sukzessiver Mantel-Tests sind die sog. Mantel-Korrelogramme, die v. a. in phylogeografischen Studien weit verbreitet sind. Hier wird nicht nur gefragt, ob z. B. genetische und räumliche Distanz insgesamt zusammenhängen, sondern auch wie weit dieser Zusammenhang reicht. Dafür wird der Datensatz in Entfernungsklassen aufgeteilt (typischerweise 6-10), so dass diese Distanzklassen i. d. R. etwa die gleiche Zahl paarweiser Vergleiche enthalten. Dann werden nur innerhalb dieser Klassen paarweise Vergleiche getestet. Das Ergebnis sind dann Werte für die Mantel-Statistik innerhalb einer Distanzklasse, und wir können leicht sehen, bis zu welcher Entfernung die Mantel-Statistik positiv (und signifikant) ist und so z. B. die Reichweite des Genflusses abschätzen. Details erklären u. a. Legendre u. Legendre (1998). Eine genauere Einführung in diese und weitere Verfahren der Analyse räumlicher ökologischer Daten geben z. B. Fortin u. Dale (2005).

17.4 Gruppenvergleiche – Mantel-Tests und MRPP Wir haben gesehen, dass wir mit Permutationstests auch die Unterschiede zwischen Gruppen testen können (Tabelle 17.2). Das ist vergleichbar mit einem Mantel-Test, bei dem in der zweiten Matrix die Zugehörigkeit zu 2 oder mehreren Gruppen durch Werte von 0 bzw. 1 angedeutet ist, und tatsächlich sind Mantel-Tests als Alternativen für Varianzanalysen vorgeschlagen worden (Sokal u. Rohlf 1995).

17.4 Gruppenvergleiche – Mantel-Tests und MRPP

203

Mit diesem Ansatz können wir auch Gruppenstrukturen in multivariaten Datensätzen überprüfen; wir können z. B. testen, ob sich unsere Auenbereiche hinsichtlich ihres Arteninventars unterscheiden. Das lässt sich leicht mit einem Mantel-Test berechnen, indem in der zweiten Matrix die Lage in der rezenten Aue, in der Altaue und am Auenrand wie in der Designmatrix der Tabelle 17.3 kodiert wird (alternativ können wir eine solche Distanzmatrix auch aus einer Sekundärmatrix mit den entsprechenden 3 Dummy-Variablen berechnen lassen). Das Ergebnis, basierend auf 9 999 Permutationen, ist ein eher niedriger Wert für die standardisierte MantelStatistik von rM = 0.153, der aber signifikant ist (p = 0.009). Tabelle 17.3. a Ausschnitt aus einer Designmatrix für die Aufnahmen in Tabelle 1.1. Die Werte symbolisieren Gruppenzughörigkeit (rezente Aue, Altaue oder Auenrand), eine Distanz von 0 bedeutet, dass Aufnahmen in der gleichen Gruppe liegen, eine Distanz von 1 zeigt verschiedene Gruppen an. Um das Prinzip zu verdeutlichen wurden die Aufnahmen für Tabelle b nach ihrer Gruppenzugehörigkeit sortiert a 1 2 3 4 5 6 7 8 9 10 11 12 13 14

b 1 0 0 1 1 0 0 1 1 0 0 0 0 1 1

2 3 4 5 6 7 8 9 10 11 12 13 14 0 1 1 0 0 1 1 0 0 0 0 1 1

0 0 1 1 0 0 1 1 1 1 1 1

0 1 1 0 0 1 1 1 1 1 1

0 0 1 1 0 0 0 0 1 1

0 1 1 0 0 0 0 1 1

0 0 1 1 1 1 1 1

0 1 1 1 1 1 1

0 0 0 0 1 1

0 0 0 1 1

0 0 0 1 1 0 1 1 0 0

1 1 0 2 0 5 0 6 0 9 0 10 0 11 0 12 0 3 1 4 1 7 1 8 1 13 1 14 1

2 5 6 9 10 11 12 3 4 7 8 13 14 0 0 0 0 0 0 0 1 1 1 1 1 1

0 0 0 0 0 0 1 1 1 1 1 1

0 0 0 0 0 1 1 1 1 1 1

0 0 0 0 1 1 1 1 1 1

0 0 0 1 1 1 1 1 1

0 0 1 1 1 1 1 1

0 1 1 1 1 1 1

0 0 0 0 1 1

0 0 0 1 1

0 0 0 1 1 0 1 1 0 0

In Fällen mit vielen Gruppen ist die Erstellung der Designmatrix etwas aufwändig. Aus diesem Grund wird gelegentlich ein alternatives Verfahren genutzt, das multiple response permutation procedure (MRPP) genannt wird. Es testet, ob die mittleren Unterschiede innerhalb der Gruppen (basierend auf Koeffizienten wie Bray-Curtis-Unähnlichkeit oder Euklidischer Distanz) kleiner als die bei zufälliger Verteilung zu erwartenden mittleren Unterschiede sind. Die Teststatistik wird hier į genannt, ihre Signifikanz kann nach Transformation ähnlich wie beim Mantel-Test durch Vergleich mit einer t-Verteilung bestimmt werden; das spart die

204


zeitaufwändigen Permutationen. In unserem Beispiel ergaben sich wie beim Mantel-Test signifikante Unterschiede (p = 0.001), aber die Größe des Effekts, der hier A genannt wird, war mit A = 0.05 auch hier sehr klein. MRPPs ergeben oft auch dann signifikante Ergebnisse, wenn die Gruppenstruktur schwach ist, daher sollte das Maß für die Stärke des Effekts A immer mit angegeben werden; A schwankt dabei zwischen 0 und 1. Für weitere Details sei auf die Literatur verwiesen (Manly 1998; McCune et al. 2002).

17.5 Procrustes-Analysen Mantel-Tests sind ein Spezialfall von sog. Matrixvergleichen. Der Vielzahl an möglichen Fragestellungen entspricht eine Vielzahl von Methoden, die aber noch kaum für ökologische Fragestellungen getestet worden sind (Übersicht: Podani 2000). Wir wollen uns hier also auf wenige weitere Verfahren beschränken. Wir haben gesehen, dass Mantel-Tests oder verwandte Permutationsverfahren geeignet sind, sehr verschiedene Typen von Datenmatrices zu vergleichen, indem letztlich immer die Korrelationen (bzw. die cross products) überprüft und auf Signifikanz getestet werden. Prinzipiell lassen sich so auch die Ergebnisse von Ordinationen vergleichen, indem wir z. B. für ein Set von Objekten die Koordinaten einer CA der Artdaten mit den Koordinaten einer PCA der Umweltvariablen vergleichen. Das hätte gegenüber dem eben besprochenen Beispiel den Vorteil, dass wir das Rauschen in den Daten reduzieren können, wenn wir uns auf die jeweils ersten Ordinationsachsen beschränken. Wir können dann die Koordinaten auf den jeweils ersten 3 Achsen nehmen, aus ihnen jeweils die Euklidische Distanz im CA- und im PCA-Ordinationsraum ableiten (die Ordinationsräume sind ja rechtwinklig, also euklidisch) und dann die Zusammenhänge mit einem Mantel-Test prüfen. Im ersten Teil des Buches haben wir aber Ordinationen sehr viel einfacher verglichen, indem wir die relative Anordnung von Objekten im Ordinationsraum betrachtet haben. Dabei war die genaue Lage zu den Ordinationsachsen weniger wichtig als die Lage der Punkte zueinander, wie wir es im Vergleich von DCA und CCA dargestellt haben (Abb. 6.4 und 8.2). Man kann auch sagen, dass wir uns die jeweiligen Diagramme überlagert gedacht haben, dabei haben wir sie ggf. gespiegelt und implizit auch die Achsenlänge angepasst. Man kann dieses Vorgehen auch mathematisch formalisieren und so eine weitere Methode für Matrixvergleiche ableiten: die Procrustes-Analysen.

17.5 Procrustes-Analysen

205

Abb. 17.4. Prinzip der Procrustes-Analyse für einen einfachen 2dimensionalen Fall. a zeigt die Lage von 4 Objekten mit 2 verschiedenen Variablensets im 2dimensionalen Raum. b gibt die Anordnung der Objekte, nachdem die Wertesets angepasst worden sind. Die Abstände zwischen den Punkten haben sich deutlich verringert

Sie sind nach der griechischen Sagengestalt Procrustes benannt, der seine unglücklichen Opfer mit Gewalt an eine eiserne Bettstelle anpasste, indem er sie streckte bzw. kürzte. Wir können – ethisch weit weniger bedenklich – eine Ordination ebenfalls an eine andere anpassen, in dem wir die Werte manipulieren. Erlaubt sind hier Rotationen bzw. Spiegelungen, Additionen und Multiplikationen sowie Zentrierungen bzw. Standardisierungen. Das Prinzip verdeutlicht Abb. 17.4 a für einen einfachen 2dimensionalen Fall. Alle Punkte der ersten Ordination (A-B-C-D) werden dabei mit den gleichen Manipulationen möglichst optimal an die zweite Ordination (W-X-Y-Z) angepasst. Da alle Punkte gleich manipuliert werden, gelingt die Anpassung nicht optimal, es bleiben immer Abstände. Das Ziel der Procrustes-Analyse ist, die Summe der Abstände zwischen der Punkten A’,B’,C’,D’ und den Punkten W, X, Y, Z möglichst zu minimieren. Das Maß für die Abstände ist eine error sum of squares wie wir sie für die Regression schon kennen gelernt haben (Kap. 2.5). Diese Kenngröße wird hier i. d. R. m²12 genannt (Formeln zur Berechnung: Peres-Neto u. Jackson 2001; Podani 1997). Wenn sich die beiden Ordinationen hinsichtlich der relativen Verhältnisse ähneln, ist m²12 klein; insgesamt schwankt der Wert zwischen 0 und 1. Die Werte lassen sich nicht ganz so direkt interpretieren wie eine standardisierte Mantel-Statistik, so dass ein Signifikanztest angeschlossen werden sollte (Jackson 1995; Peres-Neto u. Jackson 2001). Ähnlich wie beim Mantel-Test handelt es sich auch hier nicht um unabhängige Verglei-

206


che, so dass ein Permutationstest nötig ist. Dies ist auch der Grund, warum die Procrustes-Analysen in diesem Kapitel beschrieben werden. Ergibt der Test ein signifikantes Ergebnis, so ist die „Ähnlichkeit“ zwischen den beiden Ordinationen nicht zufällig, und daraus lässt sich schließen, dass sich auch die für die Ordinationen genutzten Datensätze signifikant ähneln. Wir wollen das Prinzip kurz an unserem Standardbeispiel aus der Elbaue verdeutlichen. Wir haben mit den Artdaten eine CA gerechnet und die Koordinaten für die ersten 3 Achsen gespeichert. Aus den Umweltdaten wurden mit einer PCA (standardisiert und zentriert, ohne nominale Variablen) ebenfalls 3 Achsen extrahiert. Die Werte wurden mit dem Programm PROTEST (Jackson 1995) einer Procrustes-Analyse unterzogen. Nach der Anpassung der ersten Ordination an die zweite ergaben sich 2 Sets neuer Koordinaten, die in Abb. 17.5 a dargestellt sind (allerdings vereinfacht für den 2dimensionalen Fall). Die Positionen der Objekte in den jeweiligen Ordinationen decken sich auch nach der Analyse nicht, wie Abb. 17.5 b verdeutlicht. Als Summe der Abweichungen ergab sich m²12 = 0.531, daraus kann für einen Signfikanztest ein r-Wert (Procrustes-Korrelation) abgeleitet werden, der in unserem Beispiel auf dem Niveau p < 0.0001 (9 999 Permutationen) signifikant ist. Damit bestätigt sich das Ergebnis aus dem Mantel-Test, Art- und Umweltdaten zeigen einen signifikanten Zusammenhang in unserem Beispiel. Dieser ist mäßig stark, wie die Darstellung der Abstände in Abb. 17.5 b zeigt. Die Darstellung hat auch den Vorteil, dass wir die Richtung der Abweichungen erkennen können. Diese ist in der Tendenz vertikal, was der Verzerrung der Werte in der CA entspricht, die ja entlang der zweiten Achsen einen arch als Artefakt erzeugt (Kap. 6.2). Wir haben hier einen einfachen, indirekten Fall für eine ProcrustesAnalyse dargestellt. Das Prinzip lässt sich aber, ähnlich wie Mantel-Tests, auch verallgemeinern, so dass auch direkte Vergleiche zwischen DreiecksMatrices oder sogar partielle Analysen möglich werden. Auch lassen sich mit Procrustes-Analysen leicht mehr als 2 Variablengruppen bzw. Matrices vergleichen, indem wir sie jeweils auf eine gemeinsame Referenzmatrix beziehen. Diese Möglichkeiten werden ausführlicher von Peres-Neto u. Jackson (2001) beschrieben. Die Autoren haben gezeigt, dass Procrustes-Analysen unter bestimmten Umständen Mantel-Tests hinsichtlich der Trennschärfe überlegen sind, auch können Mantel-Tests gelegentlich Korrelationen vortäuschen, wo keine sind. Andererseits weisen Podani et al. (2005) darauf hin, dass ebenfalls unter bestimmten Umständen Procrustes-Analysen auch dann niedrige Werte für m²12 geben können, wenn 2 Matrices gar keine gemeinsamen Arten haben.

17.6 Indicator Species Analysis

207

Abb. 17.5. a Streudiagramm, das die Ergebnisse der Procrustes-Analyse für die Elbauendaten zusammenfasst. Offene Kreise entsprechen den angepassten Aufnahmewerten der CA (floristische Daten, downweighting of rare species), gefüllte Kreise zeigen die Werte der PCA (Umweltdaten, standardisiert und zentriert, ohne nominal skalierte Variablen). b zeigt die Abstände zwischen den jeweils zusammengehörenden Aufnahmepaaren

Insgesamt zeigt sich also auch hier wieder, dass es nicht die eine unter allen Umständen optimale Methode gibt. Dennoch sind ProcrustesAnalysen in morphometrischen Studien weit verbreitet und werden auch in der Ökologie nicht selten benutzt. Neben den genannten Artikeln bieten Podani (2000) und Legendre u. Legendre (1998) weitergehende Einführungen in die Methodik.

17.6 Indicator Species Analysis Eine sehr häufige Fragestellung in der Ökologie ist die Suche nach Indikatorarten, die verlässlich bestimmte Umweltbedingungen anzeigen. Voraussetzung ist, dass ein Faktor ausgemacht wurde, der wichtig für die Artenzusammensetzung ist. Das können quantitativ skalierte Faktoren sein, dann könnten wir mit Regressionsanalysen nach geeigneten Indikatorarten suchen. Der Umweltfaktor kann aber auch nominalskaliert sein, also eine Gruppenstruktur beschreiben. Ein Beispiel wären Landnutzungsformen oder wie im vorigen Beispiel – die Lage der Aufnahmen im Auensystem. In einem ersten Schritt könnten wir mit MRPP oder entsprechenden Mantel-Tests überprüfen, ob die uns interessierende Gruppenstruktur, also z. B. der Artunterschied zwischen den Auenkompartimenten, zufällig ist oder nicht. Wenn es signifikante Unterschiede gibt, ist die Frage nach Indikatoren für die Gruppen nahe liegend. Wollen wir nur die Häufigkeit oder Abundanz einer Art innerhalb von Gruppen vergleichen, bieten sich einfache

208


univariate Tests an (Chi-Quadrat, Mittelwertvergleiche), wobei wir allerdings beachten müssen, dass bei sehr vielen Arten das Problem des statistical fishing auftritt (Kap 1.2). Darüber hinaus würden die meisten Ökologen nicht nur eine, sondern 2 Anforderungen an eine gute Indikatorart stellen; die Abundanz der Art sollte innerhalb der Gruppe größer sein als außerhalb, und die Art sollte auch möglichst in ihrem Vorkommen auf die Gruppe beschränkt sein. Eine simple Möglichkeit bietet hier die indicator species analysis (Dufréne u. Legendre 1997). Für eine gute Indikatorart lassen sich also 2 Kriterien entwickeln: Die beiden uns interessierenden Parameter sind einerseits die Häufigkeit der Art innerhalb und außerhalb der Gruppe, andererseits aber die Frequenz, also die Stetigkeit innerhalb der zu charakterisierenden Gruppe. Wir können damit 2 Kennwerte ableiten. Der erste ist die relative Abundanz RA der Art in der Gruppe im Verhältnis zur Abundanz im ganzen Datensatz. Wir berechnen RA aus der mittleren Abundanz der Art j über alle Objekte n innerhalb der Gruppe k und der mittleren Abundanz in allen Gruppen:

RAkj = NAbundanz kj / NAbundanz + k

(17.2)

NAbundanzkj: Mittlere Abundanz der Art j in Gruppe k, NAbundanz+k: Summe der mittleren Abundanzen über alle Gruppen summiert Der zweite Kennwert ist die relative Frequenz RF, also die Summe aller Vorkommen innerhalb der Gruppe, durch die Zahl der Aufnahmen in der Gruppe:

RFkj = NObjektekj / NObjektek +

(17.3)

NObjektekj: Anzahl Objekte in Gruppe k, in denen die Art j vorkommt; NObjektek+: Gesamtzahl an Objekten in der Gruppe k. Aus diesen beiden Werten können wir nun durch Multiplikation leicht einen kombinierten Indikatorwert ableiten:

IVkj = 100 ⋅ ( RAkj ⋅ RFkj ) [in Prozent]

(17.4)

Dieser Wert ist hoch, wenn die Art innerhalb der Gruppe eine deutlich höhere Abundanz hat als außerhalb und weitgehend auf die Gruppe beschränkt ist. Damit haben wir eine Zahl gefunden, die uns erlaubt abzuschätzen, wie gut eine Art als Indikator für eine bestimmte Gruppe geeignet ist. In einem letzten Schritt soll nun noch geprüft werden, ob dieser Wert zufällig ist oder nicht. Auch hier ist die Lösung ein Permutationstest. Dazu wird die Art immer wieder zufällig auf die Gruppen verteilt und IV berechnet. Nach z. B. 999 Permutationen kann dann abgeschätzt werden, ob der reale Indikatorwert zufällig ist. Dazu werden die zufällig erzeugten

17.6 Indicator Species Analysis

209

IV-Werte mit dem maximalen Indikatorwert der Art für die beste Gruppe verglichen. Ergebnisse der Analyse sind v. a. 2 Tabellen. Die erste listet die Indikatorwerte für die Art über alle Gruppen, die zweite gibt an, ob der jeweilig beste Wert signifikant ist oder nicht. Für Tabelle 17.4 wurden beide Tabellen zusammengefasst. Insgesamt 8 der 53 Arten zeigen einen signifikanten Indikatorwert für einen der 3 Auenbereiche, dabei ist z. B. Lathyrus pratensis charakteristisch für die Altaue, während Lotus corniculatus seinen Schwerpunkt am Auenrand hat. Wichtig ist, dass die Indikatorwerte immer auf den konkreten Datensatz bezogen sind (denn sowohl die relative Abundanz als auch die relative Frequenz werden ja auf diesen Datensatz bezogen). Das zeigt sich auch an unserem Beispiel, denn Cirsium arvense (Acker-Kratzdistel) ist in Mitteleuropa sicher nicht generell typisch für Altauen, das Ergebnis in Tabelle 17.4 gilt also nur für das konkrete (sehr beschränkte) Beispiel. Die Methode kann auch auf hierarchische Gruppenstrukturen angewandt werden, wenn für jede Teilungsebene Indikatorarten berechnet werden. Haben wir z. B. eine hierarchische Clusteranalyse, so können wir für jeden Teilungsschritt die wichtigen Indikatorarten berechnen. In der Kombination bekämen wir dann vergleichbare Informationen wie in einer TWINSPAN-Analyse (vgl. Abb. 15.4). Die Methode kann auch als Entscheidungshilfe dienen, um die Zahl der zu betrachtenden Gruppen in einer Clusteranalyse festzulegen. So kann die Anzahl der signifikanten Indikatorarten bei verschiedenen Teilungsebenen ein gutes Kriterium sein (Dufréne u. Legendre 1997; McCune et al. 2002). Im Prinzip können natürlich auch die Differenzial- oder Charakterarten in einer pflanzensoziologischen Klassifikation mit einer Indikatorartenanalyse überprüft werden. Tabelle 17.4. Indikatorarten mit ihren jeweiligen Indikatorwerten für die 3 verschiedenen Auenbereiche (999 Permutationen, nur die Arten mit einem signifikanten Indikatorwert wurden gelistet)

Ranunculus repens Lathyrus pratensis Deschampsia cespitosa Cirsium arvense Carex gracilis Juncus effusus Lotus corniculatus Carex vesicaria

Rezente Aue (n = 19) 10 0 0 0 0 0 1 0

Altaue (n = 5) 57 51 48 35 43 12 0 2

Auenrand (n = 9) 11 2 4 3 29 38 40 51

p 0.015 0.008 0.015 0.024 0.048 0.032 0.029 0.013

210


17.7 Ausblick Randomisierungsverfahren Wegen ihrer Flexibilität sind permutationsbasierte Tests für viele weitere Fragestellungen geeignet (Details: Manly 1998). Allgemein kann man festhalten, dass Permutationsverfahren immer dann in der multivariaten Statistik verwendet werden, wenn es um schließende Statistik geht, also Signifikanztests durchgeführt werden müssen. Mit der ständig wachsenden Rechenleistung werden die praktischen Hindernisse in diesem Bereich mehr und mehr schwinden, so dass auch in der multivariaten Statistik gegenüber den bisher noch weitgehend explorativen Anwendungen schließende Statistik weiter an Bedeutung gewinnen wird.

Literatur

Anchorena J, Cingolani AM (2002) Identifiying habitat types in a disturbed area of the forest-steppe ecotone of Patagonia. Plant Ecol 158:97-112 Backhaus K, Erichson B, Plinke W, Weiber R (2003) Multivariate Analysemethoden. Eine anwendungsorientierte Einführung. Springer, Berlin Bahrenberg G, Giese E, Nipper J (2003) Statistische Methoden in der Geographie Band 2; Multivariate Statistik. Borntraeger, Berlin, Stuttgart Braun-Blanquet J (1964) Pflanzensoziologie. Grundzüge der Vegetationskunde. Springer, Berlin, Wien, New York Bray RJ, Curtis JT (1957) An ordination of upland forest communities of southern Wisconsin. Ecol Monogr 27:325-349 Brehm G, Fiedler K (2004) Ordinating tropical moth samples from an elevational gradient: a comparison of methods. J Trop Ecol 20:165-172 Bruelheide H, Flintrop T (1994) Arranging phytosociological tables by speciesrelevé groups. J Veg Sci 5:311-316 Bruelheide H (2000) A new measure of fidelity and its application to defining species groups. J Veg Sci 11:167-178 Bruelheide H, Chytrý M (2000) Towards unification of national vegetation classifications: A comparison of two methods for analysis of large datasets. J Veg Sci 11:295-306 Carleton TJ, Still RH, Nieppola J (1996) Constrained indicator species analysis (COINSPAN): an extension of TWINSPAN. J Veg Sci 7:125-130 Cerna L, Chytrý M (2005) Supervised classification of plant communities with artificial neural networks. J Veg Sci 16:407-414 Chao A, Chazdon RL, Colwell RK, Shen TJ (2005) A new statistical approach for assessing similarity of species composition with incidence and abundance data. Ecol Lett 8:148-159 Chytrý M, Tichý L, Holt J, Botta-Dukát Z (2002) Determination of diagnostic species with statistical fidelity measures. J Veg Sci 13:79-90 Chytrý M, Tichý L (2003) Diagnostic, constant and dominant species of vegetation classes and alliances of the Czech Republik: a statistical revision. Masary University, Brno Cingolani AM, Renison D, Zaka MR, Cabido M (2004) Mapping vegetation in a heterogeneous mountain rangeland using landsat data: an alternative method to define and classify land-cover units. Remote Sens Environ 92:84-97 Crawley MJ (2002) Statistical computing. An introduction to data analysis using S-Plus. Wiley, Chichester, England

212

Literatur

Crawley MJ (2005) Statistics. An introduction using R. Wiley, Chichester, England Dengler J (2003) Entwicklung und Bewertung neuer Ansätze in der Pflanzensoziologie unter besonderer Berücksichtigung der Vegetationsklassifikation. Galunder, Nümbrecht Diekmann M (2003) Species indicator values as an important tool in applied plant ecology - a review. Basic Appl Ecol 6:493-506 Dierschke H (1994) Pflanzensoziologie: Grundlagen und Methoden. Ulmer, Stuttgart Dirnböck T, Dullinger S, Gottfried M, Ginzler C, Grabherr G (2003) Mapping alpine vegetation based on image analysis, topographic variables and Canonical Correspondence Analysis. Appl Veg Sci 6:85-96 Dufréne M, Legendre P (1997) Species assemblages and indicator species: the need for a flexible asymmetrical approach. Ecol Monogr 67:345-366 Ellenberg H (1996) Vegetation Mitteleuropas mit den Alpen in ökologischer, dynamischer und historischer Sicht. Ulmer, Stuttgart Ellenberg H, Weber HE, Düll R, Wirth V, Werner W, Paulißen D (1992) Zeigerwerte von Pflanzen in Mitteleuropa. Scripta Geobot. 18:1-248 Engel J (1997) Signifikante Schule der schlichten Statistik. Filander, Fürth Faith DP, Minchin PR, Belbin L (1987) Compositional dissimilarity as a robust measure of ecological distance. Vegetatio 69:57-68 Fortin MJ, Dale MRT (2005) Spatial analysis. A guide for ecologists. University Press, Cambrigde Franklin SB, Gibson DJ, Robertson P, Pohlmann JT, Fralish JS (1995) Parallel analysis: a method of determining significant principal components. J Veg Sci 6:99-106 Gauch HG (1994) Multivariate analysis in community ecology. University Press, Cambridge Hill MO (1973) Reciprocal averaging: An eigenvector method of ordination. J Ecol 61:237-249 Hill MO, Bunce RGH, Shaw MW (1975) Indicator species analysis, a divisive polythetic method of classification and its application to a survey of native pinewoods in Scotland. J Ecol 63:597-613 Hill MO (1979) TWINSPAN – A FORTRAN program for arranging multivariate data in an ordered two-way-table by classification of the individuals and attributes. Cornell University, Ithaca, USA Hill MO, Gauch HG (1980) Detrended correspondence analysis, an improved ordination technique. Vegetatio 42:47-58 Hunter JC, McCoy RA (2004) Applying randomization tests to cluster analysis. J Veg Sci 15:135-138 Jackson DA (1995) PROTEST: a PROcrustean randomization TEST of community environment concordance. Ecoscience 2:297-303 James FC, McCulloch CE (1990) Multivariate analysis in ecology and systematics: Panacea or Pandora's box? Ann Rev Ecol Syst 21:129-166

Literatur

213

Jandt U (1999) Kalkmagerrasen am Südharzrand und im Kyffhäuser. Gliederung im überregionalen Kontext, Verbreitung, Standortverhältnisse und Flora. Cramer, Berlin, Stuttgart Johnson BR (1981) How to measure – a statistical perspective. In: Capen DE (ed) The use of multivariate statistics in the studies on wildlife habitat, pp 53-58 Jongman RHG, ter Braak CJF, van Tongeren OFR (1995) Data analysis in community and landscape ecology. University Press, Cambridge Kenkel NC, Orlocci L (1986) Applying metric and nonmetric multidimensional scaling to ecological studies: some new results. Ecol 67:919-928 Kent M, Coker P (1992) Vegetation description and analysis - A practical approach. Belhaven Press, London Kocí M, Chytry M, Tichy L (2003) Formalized reproduction of an expert-based phytosociological classification: A case study of subalpine tall-forb vegetation. J Veg Sci 14:601-610 Köhler W, Schachtel G, Voleske P (2002) Biostatistik. Springer, Heidelberg Koleff P, Gaston KJ, Lennon JJ (2003) Measuring beta diversity for presenceabsence data. J Anim Ecol 72:367-382 Kosman E, Leonard KJ (2005) Similarity coefficients for molecular markers in studies of genetic relationships between individuals for haploid, diploid, and polyploid species. Mol Ecol 14:415-424 Kovach, W. (1995) MVSP Plus. Kovach Computing Services, Pentraeth, Wales Kruskal JB (1964) Nonmetric multidimensional scaling: a numerical method. Psychometrika 29:115-129 Legendre P, Legendre L (1998) Numerical Ecology. Elsevier, Amsterdam Legendre P, Anderson MJ (1999) Distance-based redundancy analysis: testing multi-species responses in multi-factorial ecological experiments. Ecol Monogr 69:1-24 Legendre P, Gallagher ED (2001) Ecologically meaningful transformations for ordination of species data. Oecologia 129:271-280 Lepš J, Šmilauer P (2003) Multivariate analysis of ecological data using CANOCO. University Press, Cambridge Leyer I (2002) Augrünland der Mittelelbe-Niederung. J. Cramer, Berlin, Stuttgart Leyer I (2005) Predicting plant species' responses to river regulation: the role of water level fluctuations. J Appl Ecol 42:239-250 Londo G (1976) The decimal scale for relevés of permanent quadrats. Vegetatio 33:61-64 Lowe A, Harris S, Ashton PS (2004) Ecological genetics. Blackwell, Malden, Oxford, Carlton Magurran AE (2003) Measuring biological diversity. Blackwell, Oxford Manly BFJ (1998) Randomization, Bootstrap and Monte Carlo Methods in Biology. Champman & Hall, London, Weinheim, New York, Tokyo, Melbourne, Madras Mantel N (1967) The detection of disease clustering and a generalized regression approach. Cancer Res 27:209-220 McCune B (1997) The influence of noisy environmental data on canonical correspondence analysis. Ecol 78:2617-2623

214

Literatur

McCune B, Mefford MJ (1999) PC-ORD. Multivariate analysis of ecological data. MjM Software, Gleneden Beach, Oregon McCune B, Grace JB, Urban DL (2002) Analysis of ecological communities. MjM Software Design, Gleneden Beach McGarigal K, Cushman S, Stafford S (2000) Multivariate analysis for wildlife and ecological research. Springer, New York, Berlin Minchin PR (1987) An evaluation of the relative robustness of techniques for ecological ordination. Vegetatio 69:89-107 Nei NM, Li WH (1979) Mathematical model for studying genetic variation in terms of restriction endonucleases. P Natl Acad Sci 76:5269-5273 Ohmann JL, Gregory MJ (2002) Predictive mapping of forest composition and structure with direct gradient analysis and nearest neighbor imputation in coastal Oregon, U.S.A. Can J Forest Res 32:725-741 Okland RH (1990) Vegetation ecology: theory, methods and applications with reference to Fennoscandia. Sommerfeldtia Supplement 1:1-233 Okland RH (1996) Are ordination and constrained ordination alternative or complementary strategies in general ecological studies? J Veg Sci 7:289-292 Okland RH (1999) On the variation explained by ordination and constrained ordination axes. J Veg Sci 10:131-136 Oksanen J, Kindt R, Legendre P, O'Hara B (2006) Vegan: Community Ecology Package, http://cc.oulu.fi/~jarioksa/ Palmer MW (1993) Putting things in even better order: The advantages of canonical correspondence analysis. Ecol 74:2215-2230 Palmer MW (2006) Ordination methods for ecologists. http://ordination.okstate.edu/ Peres-Neto PR, Jackson DA (2001) How well do multivariate data sets match? The advantages of a Procrustean superimposition approach over the Mantel test. Oecologia 19:169-178 Podani J (1991) On the standardization of Procrustes statistics for the comparison of ordinations. Abstracta Botanica 15:43-46 Podani J (1997) A measure of discordance for partially ranked data when presence/absence is also meaningful. Coenoses 12:127-130 Podani J (1999) Extending Gower's general coefficient of similarity to ordinal characters. Taxon 48:331-340 Podani J (2000) Introduction to the exploration of multivariate biological data. Backhyus Publisher, Leiden Podani J (2001) Syn-Tax 2000. Computer programs for data analysis in ecology and systematics. User's manual. Scientia Publishing, Budapest, Hungary Podani J, Miklós I (2002) Resemblance coefficients and the horseshoe effect in principal coordinates analysis. Ecol 83:3331-3343 Podani J (2005) Multivariate exploratory analysis of ordinal data in ecology: pitfalls, problems and solutions. J Veg Sci 16:497-510 Podani J, Csontos P, Tamás J, Miklós I (2005) A new multivariate approach to studying temporal changes of vegetation. Plant Ecol 181:85-100 Podani J (2006) Braun-Blanquet's legacy and data analysis in vegetation science. J Veg Sci:113-117

Literatur

215

R Development Core Team (2004) R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna Rao CR (1964) The use and interpretation of principal component analysis in applied research. Sankhya A 26:329-358 Santos CMD (2005) Parsimony analysis of endemicity: time for an epitaph? J Biogeogr 32:1281-1286 Schröder B (2000) Zwischen Naturschutz und Theoretischer Ökologie: Modelle zur Habitateignung und räumlichen Populationsdynamik für Heuschrecken im Niedermoor. Inst. of Geogr. & Geoecol. Technical University of Braunschweig, Braunschweig Shipley B (1999) Testing causal explanations in organismal biology: causation, correlation and structural equation modelling. Oikos 86:374-382 Sokal RM, Rohlf FJ (1995) Biometry. Freeman, New York SPSSinc (2003) SPSS for Windows 12.0G. SPSS Inc., Chicago Süß K, Storm C, Zehm A, Schwabe A (2004) Succession in inland sand ecosystems: which factors determine the occurrence of the tall grass species Calamagrostis epigejos (L.) Roth and Stipa capillata L.? Plant Biology 6:465476 Szafer W, Pawlowski B (1927) Die Pflanzenassoziationen des Tatra-Gebirges. A. Bemerkungen über die angewandte Arbeitstechnik. In: Szafer W, Kulczynski B, Pawlowski B, Stecki K, Sokolowski AW (eds) Die Pflanzenassoziationen des Tatra-Gebirges. III., IV., V. Teil, Bull. Int. Acad. Polon. Sci. Lettres B3, Suppl. 2, Cracovie, pp 1-12 Tabachnik BG, Fidell LS (1996) Using multivariate statistics. Harper Collins College Publishers, New York Tamás J, Podani J, Csontos P (2001) An extension of presence/absence coefficients to abundance data: a new look at absence. J Veg Sci 12:401-410 ter Braak CJF (1987) The analysis of vegetation-environment relationships by Canonical Correspondence Analysis. Vegetatio 69:69-77 ter Braak CJF (1994) Canonical community ordination. Part I: Basic theory and linear methods. Ecoscience 1:127-140 ter Braak CJF (1995) Ordination. In: Jongman RHG, ter Braak CJF, van Tongeren OFR (eds) Data analysis in community and landscape ecology, University Press, Cambridge, pp 91-173 ter Braak CJF, Looman CWN (1995) Regression. In: Jongman RHG, ter Braak CJF, van Tongeren OFR (eds) Data analysis in community and landscape ecology, University Press, Cambridge, pp 29-77 ter Braak CJF, Smilauer P (2002) Canoco 4.5 Reference Manual. Biometris, Wageningen, Ceske Budejovice Tichý L (2002) JUICE, software for vegetation classification. J Veg Sci 13:451453 Tichý L (2005) New similarity indices for the assignment of relevés to the vegetation units of an existing phytosociological classification. Plant Ecol 179:67-72 Titeux N, Dufrene M, Jacob JP, Paquay M, Defourny P (2004) Multivariate analysis of a fine-scale breeding bird atlas using a geographical information system

216

Literatur

and partial canonical correspondence analysis: environmental and spatial effects. J Biogeogr 31:1841-1856 Totland O, Nyléhn J (1998) Assessment of the effects of environmental change on the performance and density of Bistorta vivipara: the use of multivariate analysis and experimental manipulation. J Ecol 86:989-998 Tremp H (2005) Aufnahme und Analyse vegetationsökologischer Daten. Ulmer, Stuttgart Underwood AJ (1997) Experiments in ecology. Cambridge University Press, Cambridge van der Maarel E (1979) Transformation of cover-abundance values in phytosociology and its effects on community similarity. Vegetatio 39:97-114 van Groenewoud H (1992) The robustness of Correspondence, Detrended Correspondence, and TWINSPAN analysis. J Veg Sci 3:239-246 van Tongeren OFR (1995) Cluster analysis. In: Jongman RHG, ter Braak CJF, van Tongeren OFR (eds) Data analysis in community and landscape ecology, University Press, Cambridge, pp 174-212 Wägele JH (2001) Grundlagen der phylogenetischen Systematik. Pfeil, München Wesche K, Partzsch M, Krebes S, Hensen I (2005) Gradients in dry grassland and heath vegetation on rock outcrops in eastern Germany – an analysis of a large phytosociological data set. Folia Geobot 40:341-356 Williams BK, Titus K (1988) Assessment of sampling stability in ecological applications of discriminant analysis. Ecol 69:1275-1291

Sachverzeichnis

Abstandsmaß 55, 122, 140 Abundanz-Maximum 26 Achsenabschnitt 14 agglomerative Klassifikation 155, 156, 159-170, 171, 183 Ähnlichkeitsmaß 47-50, 54, 55, 57, 61, 106, 107, 152, 159, 168 analysis of variance s. ANOVA ANOVA 8 Arch-Effekt 75-76, 78, 79, 93, 102, 120, 135, 139, 141, 145, 150, 172, 206 Arcsinus-Transformation 38 Art-Aufnahme-Matrix 5, 7 Arten-Umwelt-Korrelation 96 Artenwechsel 78 Artwert 66, 91 asymmetrisches Ähnlichkeitsmaß 48 Aufnahmewert 66, 91 Autokorrelation 202 Bestimmtheitsmaß 10, 19 bimodal 85, 97 Binärtransformation 41 Bindung 12, 143 biplot 73, 84, 96, 111, 115, 127 biplot scaling 84 Biplot-Regel 84, 96, 97, 115, 126 borderline positives/negatives 174, 175 Braun-Blanquet-Skala 40 Bray-Curtis-Koeffizient 49-50, 53, 54, 138, 160, 201 Bray-Curtis-Unähnlichkeit 50, 61, 140, 143, 159, 203

CA 65-76, 91, 92, 93, 94, 95, 101, 120, 125, 130, 137, 172, 180, 204 canonical correspondence analysis s. CCA canonical function 190 canonical score 190 canonical variates analysis s. CVA CCA 84, 90, 91-103, 125, 126, 131, 134, 199, 201, 204 centroid 83 chaining 160 Chi-Quadrat-(Ȥ²-)Distanz 52-53, 55, 80, 84, 120, 137, 160, 181 Clusteranalyse 157, 159-167, 182, 209 Clusterzentrenanalyse 184-186 complete linkage 164, 180 constrained analysis of proximities 141 constrained ordination 89, 92, 93, 96, 126 cophenetische Distanzmatrix 164 correspondence analysis s. CA cross product 200 CVA 189 db-RDA 141 DCA 65, 76-82, 91, 94, 100, 102, 120, 121, 130, 145, 147, 150, 153, 180, 204 DCCA 91, 93, 94 Dendrogramm 157, 159, 160, 163, 164, 167-168, 170, 181 Designmatrix 203

218

Sachverzeichnis

detrended canonical correspondence analysis s. DCCA detrended correspondence analysis s. DCA detrending by segments 76-78, 79, 82, 94, 102, 120 detrending durch Polynome 79 Dice-Koeffizient 50 direkte Gradientenanalyse 59, 89, 91, 129 Diskriminanzachse 192 Diskriminanzanalyse 157, 169, 188194 Diskriminanzfunktion 190, 191, 194 Diskriminanzkoeffizient 190, 191 Diskriminanzwert 190, 191, 194 diskriminierende Variable 189 distance-based redundancy analysis s. db-RDA Distanzmaß 51-53, 55, 120, 137, 138, 145, 149, 151, 159, 166, 185 divisive Klassifikation 157, 171, 172, 184 Doppel-Null-Problem 49 downweighting of rare species 81, 85, 181 Dreiecksmatrix 53, 61, 137, 138, 142, 144, 164, 201 Dummy-Variable 44, 94, 159, 176 eigenvalue s. Eigenwert Eigenvektor 73, 150 Eigenwert 75, 79, 93, 97, 101, 102, 107, 111, 127, 130, 131, 139, 140, 191 Ellenbogen-Kriterium 148, 169 Euklidische Distanz 51-52, 53, 54, 120, 122, 137, 138, 139, 143, 149, 160, 166, 185, 202, 203, 204 explorative Datenanalyse 61 Faktorenanalyse 123 farthest neighbour 162, 163 forward selection 23, 94, 99

Frequenz 187 full model 24 F-Wert 17, 21, 24, 197, 199 Gauß'sche Glockenkurve 26 Gauß'sche logistische Regression 26, 27 Geradengleichung 14 gewichtetes Mittel 32-34, 66, 81, 92, 97 gewichtete Summation 114, 125, 126 globales Minimum 146 GM-Wert 92, 96 Gradientenanalyse 8, 58, 65 Gradientenlänge bei DCA 78, 121, 153, 167 group average 163, 167 GS-Wert 126 Hauptkomponente 105, 108, 109, 110, 115, 118, 119 Hauptkomponentenanalyse s. PCA Hauptkoordinatenanalyse s. PCoA/PCO hierarchische Klassifikation 155 Hill's scaling 83 Histogramm 197 homogene Varianz 195 Horseshoe-Effekt 120, 121, 123, 135, 139, 141, 150, 172 Hypothese 61 indicator species analysis 157, 169, 207 indicator value 173 Indikatorart 173, 174, 182, 207 Indikatorkoordinaten 174 Indikatorwert 173, 174, 208 indirekte Gradientenanalyse 59, 89, 100, 129, 133 Interaktion 28, 29-32, 86, 87, 92 intercept 14 Interset-Korrelation 94 intervallskaliert 9

Sachverzeichnis Intraset-Korrelation 94, 95, 97, 102, 126 Jaccard-Koeffizient 48 joint plot 73, 83, 96 Kanonische Korrespondenzanalyse s. CCA kanonische Ordination 91, 92 kanonischer Koeffizient 92, 94, 95, 126 Kendalls tau 13, 88 Kettenbildung 160, 162, 164 Klassifikation 8, 153 k-means clustering 184, 186 Kommunalität 123 Kontingenztafel 13 Korrelation 3, 10-13, 35, 102, 106, 107, 112, 117, 118, 194, 204, 206 Korrelationskoeffizient 88, 89, 160, 200 Korrelationsmatrix 118, 121, 193 Korrespondenzanalyse s. CA Kovariable 34, 129-130, 131, 133, 134 Kovarianzanalyse 13, 29 Ladung bei PCA 108, 109, 111, 115, 122 LC-score 92 least squares 15 length of gradient bei DCA 78 linear 10, 14, 24, 106, 112, 119 Linearkombination 91, 93, 126 LK-Wert 92, 96, 126 Logarithmierung 10, 37-41, 117, 138, 176, 177 logistische Kovarianzanalyse 13 logistische Regression 13, 27, 31, 190 lokales Minimum 145, 146, 152, 186 Londo-Skala 5, 40, 176 Mantel-Korrelogramm 202

219

Mantel-Test 103, 151, 199-202, 203, 204, 206, 207 maskieren 43 Maßkorrelationskoeffizient (Pearson) 10, 13, 19, 22, 88, 106, 107 MDS 137 Methode der kleinsten Quadrate 15, 20, 24, 112 Metrische Multidimensionale Skalierung s. MDS minimales angemessenes Modell 24 minimum adequate model 24 minimum variance 166, 167, 168, 169, 185 misclassified positives/negatives 174, 175 Mittelwertvergleich 2, 8 Monotonie 12, 142, 144, 150 Monte-Carlo-Test 99, 152, 198-199 MRPP 202-204, 207 multidimensionale Skalierung 137 Multikollinearität 23, 94, 99, 190 multiple lineare Regression 20-24, 92, 99 multiple response permutation procedure s. MRPP multivariat 2, 3 nearest neighbour 160, 162, 163 nichthierarchische Klassifikation 157, 183 Nichtmetrische Multidimensionale Skalierung s. NMDS nichtmetrisches Abstandsmaß 140 nichtparametrisch 13, 37, 142, 195 NMDS 75, 81, 142-152, 164, 186 nominalskaliert 9, 13, 44 non metric multidimensional scaling s. NMDS non hierarchical complete linkage clustering 183 Nördlichkeit 45 Normalverteilung 37, 38, 115, 117, 193 Null-Modell 17, 23, 28, 99

220

Sachverzeichnis

Objekt 2, 7 Odum-Koeffizient 50 Optimum 26, 65 ordinal cluster analysis 163, 186 ordinalskaliert 9, 13, 44, 88 Ordination 8, 57, 58 ordination space partitioning 171, 172 orthogonal 62, 72, 109, 110 Orthogonalisierung 72, 115 Östlichkeit 45 parametrisch 37, 117, 195 Parsimonie-Methode 157 partial constrained ordination 129 partial ordination s. partielle Ordination partielle Analyse 22, 34-35, 130 partielle DCA 131 partielle kanonische Korrespondenzanalyse 103, 132 partielle kanonische Ordination 131 partielle Korrelation 35, 72 partielle Ordination 35, 129, 130 PCA 84, 87, 90, 91, 94, 105-122, 123, 125, 127, 130, 137, 138, 139, 169, 170, 204 PCoA/PCO 138-141, 142, 143 percentage similarity 50 Permutationstest 131, 168, 195-198, 200, 201, 202, 204, 206 Petrie-Matrix 76, 120, 141, 150 Pflanzensoziologie 153, 156, 171, 172, 173, 175, 180, 185, 186, 209 polare Ordination 61-64, 75, 137 Post-hoc-Korrelation 88-89, 90, 125, 145 Präsenz/Absenz-Daten 27, 34 Präsenz/Absenz-Transformation 41 principal component analysis s. PCA principal coordinates analysis s. PCoA/PCO probabilistic clustering 183 Procrustes-Analyse 204-206

Prozent erklärter Varianz 111, 118, 140 Pseudoart 176, 180 pseudospecies s. Pseudoart pseudospecies cut level 176, 177, 181 Q-Analyse 57, 60 quadratischer Term 24 Quadratwurzeltransformation 38, 138 qualitative Ähnlichkeitsmaße 47-49 quantitative Ähnlichkeitsmaße 4950 quantitative Variable 9 R-Analyse 57, 60 Rangkorrelationskoeffizient (Spearman) 12-13, 88, 142, 143 ratioskaliert 9, 13, 89 RDA 90, 91, 125-128, 131, 137 reciprocal averaging 65, 71, 79, 81 redundancy analysis s. RDA Redundanzanalyse s. RDA refined ordination 174, 175, 182 Regressionsanalyse 2, 8, 13-29, 91, 99, 130, 131, 207 Regressionskoeffizient 14, 20, 24, 112, 114, 201 resampling 194, 195, 197, 198 Residuen 15, 34, 35, 72, 130, 131 sample score 66, 91 sample/sample unit 7 scatter plot s. Streudiagramm SD bei DCA 78, 153 semimetrisches Ähnlichkeitsmaß 50 Shepard-Diagramm 143, 164 sigmoid 27 Signifikanz 3, 61, 131 Simple matching-Koeffizient 47, 48 single linkage 160 Skalenniveau 8-9, 44 Skalierung 9, 83, 119, 127 Software 4 Sörensen-Koeffizient 49, 50, 53, 54

Sachverzeichnis Sörensen-Unähnlichkeit 50, 166 space conserving 164, 166 species by sample matrix 7 species environment correlation 96 species score 66, 91 species turnover 78 Standardabweichung 42 Standardabweichung des Artenwechsels bei DCA 78 Standardfehler 19 Standardisierung 41-43, 106, 107, 115, 118, 187 standardized Mantel statistic rM 201 Startkonfiguration bei NMDS 146, 147, 148, 152 Steigung 14, 112 Steinhaus-Koeffizient 50 Stetigkeit 155 Stichprobe 7 Stichprobeneinheit 2, 7 Stress 144, 146, 148, 149, 152, 164 Streudiagramm 72, 83, 164 Summe aller Eigenwerte 75, 95, 128, 131, 133 Summe aller kanonischen Eigenwerte 96, 128, 131, 133 Toleranz 26 total inertia 75, 95, 130, 133 Transformation 37-43, 118, 138, 145, 152, 159, 168, 203 transponieren 43 Treuemaß 157, 173, 186, 187, 188 Treuewert 187 triplot 96 t-Test 8, 15, 19, 24, 195 t-Wert 197, 201

221

TWINSPAN 171-182, 209 two way indicator species analysis s. TWINSPAN umkodieren 45 Unähnlichkeit 50, 54, 61, 137, 138, 145 unconstrained ordination 89, 95 unimodal 24, 28, 32, 33, 65, 79, 92, 102, 112, 119, 120, 181 univariat 2 unweighted pair group method using arithmetic means s. UPGMA UPGMA 164, 169, 170 Variable 7 variance partitioning 103, 129, 132-135 Varianzanalyse 8, 13, 184 Varianz-Kovarianz-Matrix 118 Varianzquotient F 17 Varimax-Rotation 146 vollständiges Modell 24 Vorkommenswahrscheinlichkeit 27 Wards-Methode 165, 167, 169 WA-score 92 weighted average 32-34, 65, 81, 91, 137 weighted summation 114, 137 Zentrierung 42, 114, 115 Zentroid 83, 89, 90, 98, 119, 190 zero mean - unit variance 42 zirkuläre Variable 45 z-Transformation 42

Multivariate Statistik in der Okologie: Eine Einfuhrung GERMAN

Wavelets. Eine Einfuhrung. German

Regelungstechnik. Eine Einfuhrung GERMAN

Codierungstheorie - Eine Einfuhrung German

Einfuhrung in die Statistik der Finanzmarkte

Der Europarat: Eine Einfuhrung

Grundlegende Statistik mit R. Eine anwendungsorientierte Einfuhrung in die Verwendung der Statistik Software R

Bausteine der Politik: Eine Einfuhrung

Theorien der Mediennutzung: Eine Einfuhrung

Soziologie der Behinderung: Eine Einfuhrung

Einfuhrung in TeX GERMAN

Einfuhrung in die Theorie der Gesellschaft german

Stochastik: Einfuhrung in die Wahrscheinlichkeitstheorie und Statistik

Angewandte Statistik mit R: Eine Einfuhrung fur Okonomen und Sozialwissenschaftler

Statistik: Eine verständliche Einführung

Medienpadagogik: Eine Einfuhrung

Sozialstrukturanalyse: Eine kompakte Einfuhrung

Soziologie der Zweierbeziehung: Eine Einfuhrung, 4.Auflage

Technikfolgenabschatzung - Eine Einfuhrung

Kultur: Eine Einfuhrung

Einfuhrung in die Hydromechanik German

Digitaltechnik - Eine praxisnahe Einfuhrung

Computational Intelligence Eine Einfuhrung

Arabische Dialektgeographie: Eine Einfuhrung

Gesprache analysieren: Eine Einfuhrung

Der Koran. Eine Einfuhrung (Beck Wissen)

Multivariate Datenanalyse GERMAN

Theoretische Elektrotechnik. Eine Einführung: Eine Einfuhrung

Programmieren in C: Eine mathematikorientierte Einfuhrung

Die Mitbestimmung in der Bundesrepublik Deutschland: Eine Einfuhrung (Lehrbuch)

Klassen, Schichten, Mobilitat: Eine Einfuhrung

Multivariate Statistik in der Okologie: Eine Einfuhrung GERMAN

Wavelets. Eine Einfuhrung. German

Regelungstechnik. Eine Einfuhrung GERMAN

Codierungstheorie - Eine Einfuhrung German

Einfuhrung in die Statistik der Finanzmarkte

Der Europarat: Eine Einfuhrung

Grundlegende Statistik mit R. Eine anwendungsorientierte Einfuhrung in die Verwendung der Statistik Software R

Bausteine der Politik: Eine Einfuhrung

Theorien der Mediennutzung: Eine Einfuhrung

Soziologie der Behinderung: Eine Einfuhrung

Einfuhrung in TeX GERMAN

Einfuhrung in die Theorie der Gesellschaft german

Stochastik: Einfuhrung in die Wahrscheinlichkeitstheorie und Statistik

Angewandte Statistik mit R: Eine Einfuhrung fur Okonomen und Sozialwissenschaftler

Statistik: Eine verständliche Einführung

Medienpadagogik: Eine Einfuhrung

Sozialstrukturanalyse: Eine kompakte Einfuhrung

Soziologie der Zweierbeziehung: Eine Einfuhrung, 4.Auflage

Technikfolgenabschatzung - Eine Einfuhrung

Kultur: Eine Einfuhrung

Einfuhrung in die Hydromechanik German

Digitaltechnik - Eine praxisnahe Einfuhrung

Computational Intelligence Eine Einfuhrung

Arabische Dialektgeographie: Eine Einfuhrung

Gesprache analysieren: Eine Einfuhrung

Der Koran. Eine Einfuhrung (Beck Wissen)

Multivariate Datenanalyse GERMAN

Theoretische Elektrotechnik. Eine Einführung: Eine Einfuhrung

Programmieren in C: Eine mathematikorientierte Einfuhrung

Die Mitbestimmung in der Bundesrepublik Deutschland: Eine Einfuhrung (Lehrbuch)

Klassen, Schichten, Mobilitat: Eine Einfuhrung

Recommend Documents